1a edición

Este libro, condensa y adapta distintas prácticas y ejemplos de las herramientas más utilizadas en el análisis de datos: Power BI Desktop, R - RStudio y Knime. El capítulo 1, Prácticas con Power BI, se describe la conexión a datos, creación de un modelo de datos, creación de objetos visuales, trabajo con informes. Todo ello acompañado de prácticas de análisis de datos _nancieros, análisis de una página web (Eurocopa), combinar datos, creación de medidas propias y análisis de datos de una supertienda. El capítulo 2, Prácticas con R y RStudio, se describe el entorno de desarrollo y las características generales, donde se destaca: tipos de datos, carga de datos y prácticas de análisis de datos como: estadística descriptiva de una variable cuantitativa continua, regresión lineal, árboles de decisión y minería de texto. El capítulo 3, Prácticas con Knime, se inicia con la introducción a Knime Analytics donde se destaca: ventanas, nodos y _ujo de trabajo y creación de un proyecto Knime. Se termina el capítulo con la descripción de las diferentes prácticas que involucran: ciencia de datos, modelo de entrenamiento de clasificación de datos y modelo de predicción de supervivencia del Titanic. Finalmente, se presenta la solución de todos los ejercicios planteados en las prácticas desarrolladas.

En este capítulo se explican diversos conceptos importantes de machine learning (aprendizaje automático). Estos conceptos nos ayudarán a comprender los siguientes apartados, donde se verán modelos de regresión y clasificación, así como las técnicas de clustering (agrupamiento) y de reducción de dimensiones. Mientras que los siguientes capítulos incluirán algunos formalismos matemáticos y desarrollos en Python, aquí se explicarán los conceptos de la manera más simple posible. En resumen, este capítulo pretende ofrecer un marco que facilite la comprensión de los principales conceptos asociados a machine learning. Machine learning es la ciencia que hace que los ordenadores ?aprendan? a partir de los datos. En vez de programar, paso a paso, cada solución específica para cada necesidad planteada, tal y como se realiza en el enfoque de la programación convencional, el área de machine learning está dedicada al desarrollo de algoritmos genéricos que pueden extraer patrones de diferentes tipos de datos. De esta manera, un programa de machine learning destinado, por ejemplo, a clasificar números escritos a mano, no va a diferir sustancialmente de un programa destinado a la clasificación de las imágenes de señales de tráfico: ambos se basarán en la existencia de algún tipo de algoritmo de machine learning que clasifique datos etiquetados. En este punto se podría pensar que el proceso completo de machine learning es fácilmente automatizable, cuando realmente no es el caso: un ingeniero de datos (data scientist) debe llevar a cabo numerosas tareas específicas tales como la identificación de la fuente de datos, su limpieza, la eliminación de información que esté fuertemente correlacionada, la búsqueda de información sesgada, la realización de las normalizaciones necesarias, la identificación de los tipos de soluciones de machine learning cuya aplicación resulte apropiada, la elección del algoritmo más adecuado, el ajuste fino de los hiperparámetros del método elegido, el análisis de los resultados, la identificación de comportamientos incorrectos, la vuelta a procesos anteriores con el fin de cambiar lo que resulte necesario para mejorar los resultados, etc.

Bienvenido a mí Libro, ?Manual de Amazon Echo? y Bienvenido al Siglo 21! En los últimos 20 años, la mayoría de nosotros nos acostumbramos al uso del Internet, y si bien solíamos abrir minuciosamente directorios telefónicos o similares, el Internet ha facilitado mucho las cosas. Desde entonces el Internet ha seguido evolucionando en sus usos, como, por ejemplo cuando quiero averiguar o comprar algo. Primero, abro la computadora, inicio el buscador de Internet, o seleccionó en mi motor de búsqueda (para el 99% de nosotros la compañía con la G.) o en mi plataforma de compras preferida (la que tiene la letra A. en el nombre), y miramos en su mayoría los primeros resultados que el buscador nos ofrece y si las opciones se ajustan a lo que busco, lo compro (o, si la información se ajusta, entonces lo sé). 5 minutos después tienes un resultado. Con los teléfonos inteligentes, esto funciona un poco más rápido, pero la pantalla más pequeña no es para todos.