- 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
- Esencial es ideal para estudiantes y profesionales que disfrutan explorando una amplia variedad de materias. Accede a la Biblioteca Esencial con más de 800.000 títulos de confianza y best-sellers en negocios, crecimiento personal y humanidades. Incluye lectura ilimitada y voz estándar de lectura en voz alta.
- Avanzado: Perfecto para estudiantes avanzados e investigadores que necesitan acceso completo e ilimitado. Desbloquea más de 1,4 millones de libros en cientos de materias, incluidos títulos académicos y especializados. El plan Avanzado también incluye funciones avanzadas como Premium Read Aloud y Research Assistant.
Ten en cuenta que no podemos dar soporte a dispositivos con iOS 13 o Android 7 o versiones anteriores. Aprende más sobre el uso de la app.
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