- Spanish
- ePUB (apto para móviles)
- Disponible en iOS y Android
Descripción del libro
Para aprender de verdad ciencia de datos, no solamente es necesario dominar las herramientas (librerías de ciencia de datos, frameworks, módulos y kits de herramientas), sino también conviene comprender las ideas y principios subyacentes. Actualizada para Python 3.6, esta segunda edición de Ciencia de datos desde cero muestra cómo funcionan estas herramientas y algoritmos implementándolos desde el principio.
Si ya tiene aptitudes para las matemáticas y ciertas habilidades de programación, el autor, Joel Grus, le ayudará a familiarizarse con las mates y las estadísticas, que son el núcleo de la ciencia de datos, y con las habilidades informáticas necesarias para iniciarse como científico de datos. Repleto de nueva información sobre deep learning (aprendizaje profundo), estadísticas y procesamiento del lenguaje natural, este libro actualizado le muestra cómo sacar lo mejor de la sobreabundancia de datos que actualmente nos rodea.
Preguntas frecuentes
- El plan Essential es ideal para los estudiantes y los profesionales a los que les gusta explorar una amplia gama de temas. Accede a la biblioteca Essential, con más de 800 000 títulos de confianza y superventas sobre negocios, crecimiento personal y humanidades. Incluye un tiempo de lectura ilimitado y la voz estándar de «Lectura en voz alta».
- Complete: perfecto para los estudiantes avanzados y los investigadores que necesitan un acceso completo sin ningún tipo de restricciones. Accede a más de 1,4 millones de libros sobre cientos de temas, incluidos títulos académicos y especializados. El plan Complete también incluye funciones avanzadas como la lectura en voz alta prémium y el asistente de investigación.
Ten en cuenta que no será compatible con los dispositivos que se ejecuten en iOS 13 y Android 7 o en versiones anteriores. Obtén más información sobre cómo usar la aplicación.
Información
Índice
- Cubierta
- Agradecimientos
- Prefacio a la segunda edición
- Prefacio a la primera edición
- 1. Introducción
- 2. Un curso acelerado de Python
- 3. Visualizar datos
- 4. Álgebra lineal
- 5. Estadística
- 6. Probabilidad
- 7. Hipótesis e inferencia
- 8. Descenso de gradiente
- 9. Obtener datos
- 10. Trabajar con datos
- 11. Machine learning (aprendizaje automático)
- 12. k vecinos más cercanos
- 13. Naive Bayes
- 14. Regresión lineal simple
- 15. Regresión múltiple
- 16. Regresión logística
- 17. Árboles de decisión
- 18. Redes neuronales
- 19. Deep learning (aprendizaje profundo)
- 20. Agrupamiento (clustering)
- 21. Procesamiento del lenguaje natural
- 22. Análisis de redes
- 23. Sistemas recomendadores
- 24. Bases de datos y SQL
- 25. MapReduce
- 26. La ética de los datos
- 27. Sigamos haciendo ciencia de datos