{"product_id":"9782409035746","title":"DATA SCIENTIST Y LENGUAJE R AUTOFORMACION EN LOS ASPECTOS","description":"\u003ch2\u003eDATA SCIENTIST Y LENGUAJE R AUTOFORMACION EN LOS ASPECTOS\u003c\/h2\u003e\n\u003ch3\u003eResumen del libro\u003c\/h3\u003e\n\u003cp\u003eEste 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.\u003c\/p\u003e\n\u003ch3\u003e¿De qué trata?\u003c\/h3\u003e\n\u003cp\u003eLa 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.\u003c\/p\u003e\n\u003ch3\u003eTemas principales\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eLenguaje R y su ecosistema para ciencia de datos\u003c\/li\u003e\n\u003cli\u003eAlgoritmos de Machine Learning: árboles de decisión, redes neuronales y Deep Learning con TensorFlow-2 y Keras\u003c\/li\u003e\n\u003cli\u003eProcesamiento de lenguaje natural y análisis de series temporales\u003c\/li\u003e\n\u003cli\u003eLógica difusa y manipulación de imágenes\u003c\/li\u003e\n\u003cli\u003eProgramación funcional, orientación a objetos y procesos paralelos en R\u003c\/li\u003e\n\u003cli\u003eCreación de APIs, dashboards interactivos con Shiny y representaciones cartográficas\u003c\/li\u003e\n\u003cli\u003eIntroducción a Python e integración con R\u003c\/li\u003e\n\u003cli\u003eCálculos numéricos y matemáticos para ingeniería con R\u003c\/li\u003e\n\u003cli\u003eModelado predictivo con herramientas point-and-click como BigML\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e¿Para quién está recomendado?\u003c\/h3\u003e\n\u003cp\u003eEste 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.\u003c\/p\u003e\n\u003ch3\u003eQué aporta este libro\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eUna formación integral que cubre tanto la teoría como la práctica de la ciencia de datos, con o sin codificación en R.\u003c\/li\u003e\n\u003cli\u003eHabilidades para desarrollar soluciones completas en R, desde el acceso a datos hasta la implementación de modelos avanzados de Deep Learning.\u003c\/li\u003e\n\u003cli\u003eCapacidad para integrarse en equipos de data scientists y colaborar en proyectos de inteligencia artificial y análisis de datos.\u003c\/li\u003e\n\u003cli\u003eConocimientos prácticos para crear dashboards interactivos, APIs y aplicaciones web con R y Shiny.\u003c\/li\u003e\n\u003cli\u003eUna introducción a Python y herramientas de modelado visual para ampliar las competencias del lector.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eFicha técnica\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eAutor: Laude; Eva; Laude; Henri\u003c\/li\u003e\n\u003cli\u003eEditorial: Ediciones ENI\u003c\/li\u003e\n\u003cli\u003eIdioma: Español\u003c\/li\u003e\n\u003cli\u003eTema: Informática: cuestiones generales\u003c\/li\u003e\n\u003cli\u003eColección: Epsilon\u003c\/li\u003e\n\u003cli\u003eEncuadernación: No especificada\u003c\/li\u003e\n\u003cli\u003eFecha de edición: 2022\u003c\/li\u003e\n\u003cli\u003eNúmero de páginas: 876\u003c\/li\u003e\n\u003cli\u003eDimensiones: 216.0 x 178.0 mm\u003c\/li\u003e\n\u003cli\u003ePeso: 1400.0 g\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eValoración editorial\u003c\/h3\u003e\n\u003cp\u003eEsta 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.\u003c\/p\u003e","brand":"EDICIONES ENI","offers":[{"title":"Default Title","offer_id":53618356224347,"sku":"9782409035746","price":54.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1018\/0650\/6331\/files\/data-scientist-y-lenguaje-r-autoformacion-en-los-aspectos-basicos-de-la-inteligencia-artificial-en-el-universo-2a-edicion-9782409035746_XL.webp?v=1784400850","url":"https:\/\/kalamobooks.com\/products\/9782409035746","provider":"Kalamo Books","version":"1.0","type":"link"}