Hoy, día del libro, es una excelente oportunidad para recopilar libros imprescindibles para Data Science. Estos son libros que todo científico de datos, tanto sea usuario de Python como R, deberían conocer y leer.
* En este artículo, nuestras recomendaciones son el resultado una evaluación rigurosa e independiente. Algunos enlaces incluidos en el texto son enlaces de afiliados, lo que significa que podemos recibir una comisión si decides realizar una compra a través de ellos. Esta comisión no afecta de ninguna manera a nuestra selección de productos ni influye en nuestra opinión sobre los mismos.
Python es actualmente el lenguaje de referencia para los científicos de datos. Algo que se puede apreciar en este blog, las páginas más visitadas casi siempre son entradas de relacionadas con Python. “Python Data Science Handbook” es un libro de referencia para los científicos de datos que trabajan con Python. En el libro se explica cómo manipular los datos con la librería Pandas, visualizarlos con Matplotlib e implementar modelos de aprendizaje automático con Scikit-Learn.
Al trabajar con Python para análisis de datos no solo es necesario conocer las librerías más populares. También es necesario conocer cómo funciona las interioridades del lenguaje. Posiblemente “Think Python” sea el libro para ello. En este libro se repasan desde los conceptos básicos, como los tipos de datos y las funciones, hasta los más avanzados, como la programación orientada a objetos.
El otro lenguaje de referencia para los científicos de datos es R, siguiendo muy de cerca a Python en cuanto a popularidad. “R for Data Science” es una excelente referencia mejorar el conocimiento de este entorno de trabajo. En el se cubren desde las bases, orientados a nuevos usuarios de R, así como temas más avanzados.
Este libro está escrito por Hadley Wickham y Garret Grolemund, dos de los principales desarrolladores de la comunidad de R.
“R Cookbook” es un libro de recetas para usuarios de R. En el que se incluyen múltiples trucos con los que se pueden aumentar la productividad con R de forma inmediata. Incluyendo soluciones que van desde tareas básicas de lectura y escritura de datos, pasando por análisis estadísticos y la representación de datos. Abordando un tema específico en cada una de las recetas. Incluyendo además una discusión en la que se explica la solución junto a información sobre cómo funciona. Este libro es de ayuda tanto para los principiantes, a los que les muestra soluciones para resolver problemas, como para los usuarios con experiencia, a los que les permite expandir sus posibilidades.
El aprendizaje profundo (Deep Learning) es uno de los temas de más de moda dentro del aprendizaje automáticos (Machine Learning). Actualmente es habitual encontrar noticias que hacen referencia a los grandes avances que ser realizan en este campo. Su principal ventaja es que permite automatizar una de las tareas más difíciles del aprendizaje automático: la generación de nuevas características para los modelos. Para aquellos que desean introducirse en el campo “Deep Learning” es el libro de referencia.
Este libro se encuentra disponible de forma gratuita en la web deeplearningbook.org, aunque también se puede comprar una copia en papel.
En esta entrada se recopila cinco libros para Data Science. Todos ellos son una referencia obligada de para aquellos que trabajan o desean trabajar en ciencia de datos. Además de estos en la tienda hay una recopilación de libros.
Imágenes: Pixabay (Free-Photos)
Pregunta a cualquiera qué significan las letras de "Wi-Fi" y lo más probable es que…
Imagina que tienes una lista con datos de un usuario: usuario_original = { 'nombre': 'Juan',…
Has aplicado un t-test y obtienes p = 0,003. El resultado es estadísticamente significativo, hay…
Hay un bug que aparece una y otra vez en código Python, tan sutil que…
Durante décadas, cuando escribías una dirección web y pulsabas Intro, tu navegador hacía algo que…
La independencia financiera es el punto en el que tus inversiones generan suficientes rendimientos para…
This website uses cookies.