{"product_id":"9791387803070","title":"CIENCIA DE DATOS CON R APRENDIZAJE SUPERVISADO","description":"\u003ch2\u003eCIENCIA DE DATOS CON R APRENDIZAJE SUPERVISADO\u003c\/h2\u003e\n\u003ch3\u003eResumen del libro\u003c\/h3\u003e\n\u003cp\u003eEste manual práctico ofrece una guía completa para dominar el aprendizaje supervisado en ciencia de datos utilizando el lenguaje R. El lector encontrará una explicación detallada de los principales algoritmos de clasificación y regresión, desde su fundamento teórico hasta su implementación paso a paso con ejemplos reales. La obra está diseñada para que profesionales y estudiantes adquieran las habilidades necesarias para construir modelos predictivos, evaluar su rendimiento y aplicarlos a problemas del mundo real, todo ello con un enfoque riguroso y aplicado.\u003c\/p\u003e\n\u003ch3\u003e¿De qué trata?\u003c\/h3\u003e\n\u003cp\u003eEl libro aborda de manera sistemática el aprendizaje supervisado, una de las ramas fundamentales de la ciencia de datos. Comienza introduciendo los conceptos básicos y la preparación de datos en R, para luego profundizar en técnicas específicas como la regresión lineal y logística, los árboles de decisión, los métodos de ensamblaje (bagging, boosting, random forest), las máquinas de vectores de soporte (SVM) y las redes neuronales. Cada capítulo incluye código R reproducible, ejemplos con conjuntos de datos reales y ejercicios prácticos que permiten al lector aplicar inmediatamente lo aprendido. El texto también cubre aspectos cruciales como la validación cruzada, la selección de características y la interpretación de resultados.\u003c\/p\u003e\n\u003ch3\u003eTemas principales\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eFundamentos del aprendizaje supervisado y su aplicación en ciencia de datos.\u003c\/li\u003e\n\u003cli\u003eImplementación de algoritmos de regresión y clasificación con R.\u003c\/li\u003e\n\u003cli\u003eMétodos de ensamblaje y técnicas avanzadas de modelado predictivo.\u003c\/li\u003e\n\u003cli\u003eEvaluación y validación de modelos mediante métricas y validación cruzada.\u003c\/li\u003e\n\u003cli\u003ePreprocesamiento de datos, selección de características y optimización de hiperparámetros.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e¿Para quién está recomendado?\u003c\/h3\u003e\n\u003cp\u003eEstá dirigido a estudiantes y profesionales del ámbito de la informática, la estadística y la analítica de datos que deseen especializarse en modelado predictivo. También es adecuado para científicos de datos, analistas y desarrolladores que ya tengan conocimientos básicos de R y quieran profundizar en técnicas de aprendizaje supervisado con un enfoque práctico y aplicado.\u003c\/p\u003e\n\u003ch3\u003eQué aporta este libro\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eProporciona una metodología clara y reproducible para implementar algoritmos de aprendizaje supervisado en R.\u003c\/li\u003e\n\u003cli\u003eOfrece ejemplos prácticos con datos reales que facilitan la transferencia de conocimientos a proyectos profesionales.\u003c\/li\u003e\n\u003cli\u003eIncluye técnicas de validación y evaluación de modelos que garantizan la calidad y fiabilidad de las predicciones.\u003c\/li\u003e\n\u003cli\u003eAyuda a comprender cuándo y cómo aplicar cada algoritmo según el tipo de problema y los datos disponibles.\u003c\/li\u003e\n\u003cli\u003ePermite al lector construir una base sólida para abordar problemas avanzados de ciencia de datos.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eFicha técnica\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eAutor:\u003c\/strong\u003e César Pérez López\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eEditorial:\u003c\/strong\u003e Garceta Grupo Editorial\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eIdioma:\u003c\/strong\u003e Español\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTema:\u003c\/strong\u003e Informática - Programación y lenguajes - Bases de datos\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eColección:\u003c\/strong\u003e INFORMATICA Y TELECOMUNICACIONES\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eEncuadernación:\u003c\/strong\u003e Tapa blanda\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eFecha de edición:\u003c\/strong\u003e 2026\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNúmero de páginas:\u003c\/strong\u003e 240\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eDimensiones:\u003c\/strong\u003e 17.0 cm x 24.0 cm\u003c\/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePeso:\u003c\/strong\u003e 408.0 gr\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eValoración editorial\u003c\/h3\u003e\n\u003cp\u003eSe trata de un manual técnico bien estructurado que equilibra la teoría con la práctica, ideal para quienes buscan una formación sólida en aprendizaje supervisado con R. Su enfoque didáctico, con ejemplos reproducibles y ejercicios, lo convierte en un recurso útil tanto para el autoaprendizaje como para su uso en cursos académicos o de formación profesional. La obra cubre un espectro amplio de algoritmos actuales, lo que la hace relevante para el perfil de un científico de datos en activo.\u003c\/p\u003e","brand":"GARCETA GRUPO EDITORIAL","offers":[{"title":"Default Title","offer_id":53535161745755,"sku":"9791387803070","price":34.2,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1018\/0650\/6331\/files\/9791387803070.jpg?v=1783449470","url":"https:\/\/kalamobooks.com\/products\/9791387803070","provider":"Kalamo Books","version":"1.0","type":"link"}