Descripción
DATA SCIENTIST Y LENGUAJE R AUTOFORMACION EN LOS ASPECTOS
Resumen del libro
Este manual ofrece una formación completa y operativa en ciencia de datos, combinando el aprendizaje práctico del lenguaje R con una comprensión teórica profunda de la disciplina. Diseñado para lectores con conocimientos básicos de matemáticas, el libro permite tanto desarrollar soluciones completas con R como comprender los fundamentos de la ciencia de datos sin necesidad de codificar, gracias a herramientas interactivas. Con un enfoque didáctico y profesional, esta obra prepara al lector para integrarse en equipos de data scientists, abordar artículos de investigación y colaborar en proyectos avanzados de inteligencia artificial.
¿De qué trata?
La obra presenta un recorrido estructurado que va desde los fundamentos hasta técnicas avanzadas de ciencia de datos. En su primera parte, enseña el manejo del lenguaje R y su ecosistema, incluyendo acceso a bases de datos, procesos paralelos, programación funcional y orientada a objetos, y la creación de APIs y dashboards con Shiny. La segunda parte se centra en los conceptos teóricos, abordando algoritmos clásicos de Machine Learning (árboles de decisión, redes neuronales), así como áreas especializadas como procesamiento de lenguaje natural, series temporales, lógica difusa y manipulación de imágenes. Esta tercera edición incorpora una introducción a Python y su interfaz con R, la instalación de aplicaciones R/Shiny en servidores Linux en la nube, el uso de R para cálculos numéricos similares a MatLab, y la herramienta BigML para crear modelos predictivos sin codificar.
Temas principales
- Lenguaje R y su ecosistema para ciencia de datos
- Algoritmos de Machine Learning: árboles de decisión, redes neuronales y Deep Learning con TensorFlow-2 y Keras
- Procesamiento de lenguaje natural y análisis de series temporales
- Lógica difusa y manipulación de imágenes
- Programación funcional, orientación a objetos y procesos paralelos en R
- Creación de APIs, dashboards interactivos con Shiny y representaciones cartográficas
- Introducción a Python e integración con R
- Cálculos numéricos y matemáticos para ingeniería con R
- Modelado predictivo con herramientas point-and-click como BigML
¿Para quién está recomendado?
Este libro está dirigido a profesionales y estudiantes que deseen iniciarse o profundizar en la ciencia de datos, especialmente aquellos con formación básica en matemáticas (nivel de enseñanza secundaria) y una gran curiosidad por la inteligencia artificial. Es ideal para quienes buscan un enfoque práctico y teórico combinado, ya sean desarrolladores, analistas, ingenieros o gestores de proyectos que quieran entender y aplicar técnicas de data science en entornos profesionales.
Qué aporta este libro
- Una formación integral que cubre tanto la teoría como la práctica de la ciencia de datos, con o sin codificación en R.
- Habilidades para desarrollar soluciones completas en R, desde el acceso a datos hasta la implementación de modelos avanzados de Deep Learning.
- Capacidad para integrarse en equipos de data scientists y colaborar en proyectos de inteligencia artificial y análisis de datos.
- Conocimientos prácticos para crear dashboards interactivos, APIs y aplicaciones web con R y Shiny.
- Una introducción a Python y herramientas de modelado visual para ampliar las competencias del lector.
Ficha técnica
- Autor: Laude; Eva; Laude; Henri
- Editorial: Ediciones ENI
- Idioma: Español
- Tema: Informática: cuestiones generales
- Colección: Epsilon
- Encuadernación: No especificada
- Fecha de edición: 2022
- Número de páginas: 876
- Dimensiones: 216.0 x 178.0 mm
- Peso: 1400.0 g
Valoración editorial
Esta obra destaca por su exhaustividad y enfoque dual, que permite al lector elegir entre aprender R en profundidad o comprender los conceptos sin codificar. La inclusión de temas avanzados como Deep Learning, procesamiento de lenguaje natural y herramientas de prototipado rápido la convierten en un recurso valioso tanto para principiantes como para profesionales que buscan actualizar sus conocimientos. Su extensión de 876 páginas y la actualización con Python y BigML la posicionan como una guía de referencia completa en el campo de la ciencia de datos.