Descripción
CIENCIA DE DATOS A TRAVES DE PYTHON. TECNICAS DE APRENDIZAJE NO SUPERVISADO
Resumen del libro
Este libro ofrece una guía práctica y profunda sobre las técnicas de aprendizaje no supervisado aplicadas con Python. A través de un enfoque riguroso, el lector aprenderá a extraer conocimiento oculto de grandes volúmenes de datos sin necesidad de etiquetas previas. La obra cubre desde la reducción de la dimensionalidad hasta el clustering, proporcionando las herramientas necesarias para descubrir patrones, tendencias y estructuras intrínsecas. Es un recurso esencial para quienes buscan dominar el análisis exploratorio de datos y la inteligencia artificial desde una perspectiva técnica y aplicada.
¿De qué trata?
El libro se centra en las técnicas de aprendizaje no supervisado, una rama del machine learning que trabaja con datos de entrada sin etiquetas de salida. El autor comienza profundizando en métodos de reducción de la dimensión, como el análisis de componentes principales (PCA) y el análisis factorial, cuyo objetivo es eliminar los efectos nocivos de la correlación entre variables y simplificar los conjuntos de datos sin perder información relevante. A continuación, explora técnicas de clustering para agrupar datos similares y detectar segmentos o categorías ocultas. Todo el contenido se desarrolla con ejemplos prácticos en Python, combinando fundamentos estadísticos, matemáticos e informáticos para resolver problemas reales y generar valor a partir de los datos.
Temas principales
- Reducción de la dimensionalidad con análisis de componentes principales (PCA) y análisis factorial.
- Técnicas de clustering y segmentación de datos no etiquetados.
- Implementación práctica de algoritmos de aprendizaje no supervisado en Python.
- Extracción de patrones y estructuras ocultas en grandes volúmenes de datos (Big Data).
- Fundamentos estadísticos y matemáticos aplicados al análisis de datos.
¿Para quién está recomendado?
Está dirigido a profesionales y estudiantes del ámbito de la ciencia de datos, la inteligencia artificial y la analítica que ya poseen conocimientos básicos de Python y desean especializarse en técnicas de aprendizaje no supervisado. También es adecuado para analistas de datos, ingenieros de machine learning e investigadores que necesiten explorar y modelar conjuntos de datos sin etiquetas previas.
Qué aporta este libro
- Dominio práctico de las principales técnicas de aprendizaje no supervisado con Python.
- Capacidad para reducir la complejidad de los datos eliminando redundancias y correlaciones.
- Habilidades para descubrir patrones y segmentos ocultos en datos no etiquetados.
- Fundamentos sólidos para aplicar estos métodos en proyectos de Big Data e inteligencia artificial.
Ficha técnica
- Autor: PEREZ, CESAR
- Editorial: Ibergarceta Publicaciones S.L.
- Idioma: Español
- Tema: BASES DE DATOS, CAPTURA Y ANALISIS DE DATOS, INTELIGENCIA ARTIFICIAL
- Colección: GARCETA
- Encuadernación: Bolsillo
- Fecha de edición: octubre de 2024
- Número de páginas: 600
- Peso: 547 g
Valoración editorial
Se trata de una obra técnica de gran calado que aborda con profundidad una de las áreas más demandadas en la ciencia de datos actual. Su enfoque en el aprendizaje no supervisado, combinado con ejemplos prácticos en Python, la convierte en una herramienta valiosa tanto para la formación académica como para la aplicación profesional. La extensión de 600 páginas permite un desarrollo exhaustivo de los conceptos, ideal para quienes buscan un conocimiento sólido y aplicable en entornos de Big Data e inteligencia artificial.