Libros

Hands-On Machine Learning with Scikit-Learn and TensorFlow

Un libro técnico para introducirse en el campo de aprendizaje automático en Python con Scikit-Learn y TensorFlow.

Artificial Intelligence: A Modern Approach

Este libro se utiliza en más de 1200 universidades en cursos de Inteligencia Artificial, siendo la referencia en el campo

Deep Learning

Este es el libro de referencia en el campo de Deep Learning o Aprendizaje Profundo. El libro cubre las bases matemáticas, fundamentos conceptuales y las principales técnicas utilizadas

El libro se puede consultar gratuitamente en la web, aunque también se pude comprar una copia en papel.

Reinforcement Learning

El aprendizaje por refuerzo es un área de la inteligencia artificial que cada día es más importante. Este libro es la referencia para aquel que desea introduces en el Aprendizaje por Refuerzo.

El libro se puede consultar gratuitamente en la web, aunque también se pude comprar una copia en papel.

Think Python

En este libro se repasan desde los conceptos básicos hasta los más avanzados del lenguaje de programación Python.

Python Machine Learning

Este libro es un excelente recurso para introducirse en el área del Aprendizaje Automático con Python utilizando para ellos la librería scikit-learn.

Python Data Science Handbook

Libro de referencia para los científicos de datos que trabajan con Python y utiliza la librería Pandas.

scikit-learn Cookbook

Para los que ya tienen un conocimiento básico de scikit-learn este libro es una excelente referencia con 80 trucos para sacar el máximo potencial de la biblioteca.

Pandas CookBook

Pandas es una de las librerías más completas para el tratamiento de datos. En este libro se recogen diferentes soluciones para problemas reales.

Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython

Este recurso es una excelente introducción a ciencia de datos con Python escrito por el creador del proyecto Pandas, Wes McKinney. No es un texto aconsejable para usar como introducción a Python, ya que asume unos conocimientos básicos de Python y programación orientada a objetos.

Python for Finance: Mastering Data-Driven Finance

Este no es un libro genérico de Python, sino que se centra en las aplicaciones financieras. Siendo un texto de referencia para los que trabajan en esta área. El libro se divide en cinco partes. En la primera se hace una introducción a Python en finanzas, mientras que en la segunda se muestran las herramientas fundamentales de Python. Las tres últimas partes cubren las técnicas de ciencia de datos financieros, trading algorítmico y análisis de derivadas.

Mastering Python Design Patterns

El libro de Ayeva y Kasampalis enseña a estructurar el código en Python para ir más allá de los Notebooks y poder crear aplicaciones. No solo usar el lenguaje para realizar cálculos y análisis de datos.

Architecture Patterns with Python

El contenido del libro es realmente avanzado, presentando patrones de diseño para lidiar con la complejidad creciente de las aplicaciones actuales

Hands-On Data Structures and Algorithms with Python

Conocer y comprender las estructuras de datos y los algoritmos es clave a la hora de crear programas eficientes y elegantes. Conceptos en los que podrás reforzar con el libro de Agarwal, todo ello aplicado en Python.

R for Data Science

Este libro está escrito por Hadley Wickham y Garret Grolemund, dos de los principales desarrolladores de la comunidad de R.

R Cookbook

Incluye múltiples trucos con los que se pueden aumentar la productividad en R de forma inmediata. Abordando un tema específico en cada una de las recetas e incluyendo además una discusión en la que se explica la solución.

Think Julia

Para todos aquellos que comienzan en Julia “Think Julia” de Ben Lauwens es una excelente opción. Ya que no solo es un libro que habla sobre el lenguaje de programación Julia, sino que lo usa para explicar al lector conceptos de programación básicos y avanzados.

Julia for Data Science

Un libro en el que explican los principales paquetes disponibles en Julia para ciencia de datos. Con el que se puede aprender a realizar los principales tareas de ciencia de datos de una forma práctica.

Julia Programming Projects

Este es un libro escrito para utilizar Julia en aplicaciones reales de una forma rápida. Un texto que comienza con una introducción al lenguaje Julia, realiza una descripción de los objetos DataFrames y enseña a crear modelos de Aprendizaje Automático con Julia.

Hands-On Design Patterns and Best Practices with Julia

Los patrones de diseño empleados en Julia pueden ser diferentes a los de Python o R, lo que puede crear una confusión al comenzar con el. Algo que se puede solucionar con la lectura de este libro. En el que se explican los modernos patrones de diseño usados en Julia. Gracias a los que se puede crear aplicaciones con un enfoque en el rendimiento, la reutilización de código, la solidez y la capacidad de mantenimiento.

Predictive Analytics and Data Mining: Concepts and Practice with RapidMiner

Para aquellos que trabajan con RapidMiner esta es una referencia básica para minería de datos y aprendizaje automático.

Clean Code

Para un científico de datos, como cualquier profesional que trabaje con código, escribir buen código es clave. En este libro el autor trata de explicar por qué y cómo escribir código limpio.

Operational Risk Capital Models

Un texto básico, en el que he colaborado como autor de algunos capítulos, para aquellos que estén interesados en la identificación, análisis y cuantificación de los eventos de riesgo operacional. Incluida la creación de modelos avanzados.