/libro-vivo-ciencia-datos

Un libro open-source con un enfoque intuitivo y práctico en machine learning, con análisis y preparación de datos, ¡apto para todas las edades!

Primary LanguageTeXCreative Commons Attribution Share Alike 4.0 InternationalCC-BY-SA-4.0

Libro Vivo de Ciencia de Datos

Libro Vivo de Ciencia de Datos

resumen: Hola! Los invito a leer el libro online y/o descargarlo aquí. Gracias y que tengan un buen día :)

Acerca de esta edición

Finalmente disponible la versión en español del Data Science Live Book! El libro se abre sin barreras idiomáticas ante las personas de habla-hispana con ganas de aprender.

Esta publicación es una edición revisada tanto en gramática como en aspectos técnicos de la versión en inglés.

El Data Science Live Book, junto con dos artículos de como auto-publicar un libro usando bookdown, fueron premiados por RStudio en el 1st Bookdown Contest.

El objetivo es que puedan acercarse con un enfoque intutitivo y práctico al mundo de la ciencia con datos, el arte del descubrimiento.

¿De qué se trata?

Es un libro para aprender ciencia de datos, machine learning and análisis de datos con toneladas de ejemplos y explicaciones alrededor de distintos tópicos como:

  • Análisis exploratorio de datos
  • Preparación de datos
  • Seleccionar mejores variables
  • Evaluar desempeño de modelos

La mayoría del código escrito en R puede ser usado en escenarios reales! Al mismo tiempo trabajé en el paquete funModeling, por tal motivo es usado varias veces en el libro.


¿Qué tal algunos ejemplos?

Es un playbook con recetas en preparación de datos.

Es decir, en el capítulo de valores faltantes se encontrará cómo introducir y convertir estos valores en algo útil tanto para el análisis como para el modelado predictivo.

Otro ejemplo, en el capítulo de valores atípicos (outliers) conocerá algunos métodos que detectan valores atípicos basados en diferentes criterios; funModeling contiene una función que puede ayudar a procesar todos los datos a la vez....

O más conceptualmente, tenemos una variable numérica y necesitamos convertirla en categórica, o viceversa, ¿tenemos que convertirla o simplemente dejarla como viene?

Y asi sucesivamente...


La filosofía del libro

El libro tiene todos sus capítulos interrelacionados, así que puede empezarse por cualquiera de ellos. Mis disculpas si el número de enlaces distrae de la lectura. Quería que fuera de esta manera sólo para mostrar cómo todos los conceptos de machine learning están relacionados de alguna manera.

Hay mucho esfuerzo para justificar lo que dice el libro. Sin embargo, esto no es suficiente, el lector puede replicar y mejorar los ejemplos, y así generar su propio conocimiento.

Desarrollar un pensamiento crítico, sin tomar ninguna declaración como la "verdad verdadera", es muy importante en este mar de libros, cursos, videos y cualquier tipo de material técnico para aprender. Este libro es sólo otro punto de vista en la perspectiva de la ciencia de datos.


Puse algunos errores al azar...

... ya sean técnicos o gramaticales, el problema es que ¡No sé dónde! Así que si quieres levantar la mano y gritar: ``¡Eso no es correcto! Creo que la forma correcta es... {reemplaza-con-tu-respuesta-detallada-aquí}"`, te invito a reportar con un issue en github, o enviarme un correo electrónico a pcasas.biz -at- gmail.com


Descargue la versión en PDF, epub y Kindle!

Si usted aprende algo nuevo con este libro, o le ha ayudado de alguna manera a ahorrar tiempo en su trabajo, puede apoyar el proyecto adquiriendo la versión digital. (nombre su precio a partir de US$ 5)

No hay diferencia entre las versiones digital y web :)

Después de la compra recibirás un correo electrónico para descargarlo en los tres formatos.

Descargue aquí!



Mantente en contacto: @pabloc_ds.

~ Gracias por leer!