Ir directamente a la información del producto
Libro de Data Science II: Machine Learning para la Ciencia de Datos
  • Libro de Data Science II: Machine Learning para la Ciencia de Datos
Libro de Data Science II: Machine Learning para la Ciencia de Datos

Libro de Data Science II: Machine Learning para la Ciencia de Datos

$13.500,00 $19.000,00

 

✅ Garantía de 7 Días

Si el libro no cumple tus expectativas, tenés 7 días para pedir un reembolso. Sin vueltas.

📘 Sobre el libro

Data Science II: Machine Learning para la Ciencia de Datoses es una guía práctica/teórica con ejemplos claros y aplicables. Dominarás el arte de la preparación de datos. Aprenderás a extraer, limpiar y transformar información de diversas fuentes, y a crear visualizaciones impactantes que te permitirán contar historias y tomar decisiones informadas, sentando las bases para cualquier proyecto de Machine Learning.

Introducción:

  • Retomando el Impulso: En este capítulo, haremos un breve repaso de los conceptos clave de nuestro primer libro. Reforzaremos la importancia de las librerías Pandas y NumPy para la manipulación de datos y reafirmaremos por qué la preparación de datos es el pilar fundamental de cualquier proyecto de Machine Learning.

  • Fundamentos de Bases de Datos: Aquí exploraremos el corazón del almacenamiento de información. Te explicaremos los conceptos de las bases de datos relacionales, las tablas y las relaciones. Te daremos las bases teóricas para que entiendas cómo los datos se organizan y estructuran.

  • Data Acquisition: Este es el punto de partida de cualquier proyecto. Aprenderás a obtener datos de diferentes fuentes, desde archivos locales como CSV y Excel hasta bases de datos y APIs web. Te mostraremos cómo importar esta información a un entorno de análisis con Python.

  • SQL Básico: En este capítulo, te familiarizarás con SQL, el lenguaje universal para interactuar con las bases de datos. Te guiaremos a través de la sintaxis básica para que puedas seleccionar, filtrar y ordenar datos, extrayendo la información que necesitas para tu análisis.

  • SQL Avanzado: Lleva tus habilidades con SQL al siguiente nivel. Aprenderás a combinar datos de múltiples tablas con los diferentes tipos de JOIN, a usar funciones de agregación para obtener resúmenes estadísticos y a escribir consultas más complejas.

  • Otros Formatos de Bases de Datos: Más allá de las bases de datos relacionales, exploraremos otros formatos de datos comunes. Te introduciremos a las bases de datos no relacionales y a la estructura de archivos como JSON y XML, cruciales en el intercambio de información en la web.

  • API: Este capítulo te abrirá un nuevo mundo de datos. Te explicaremos qué es una API (Interfaz de Programación de Aplicaciones) y cómo puedes usarla para acceder a datos de servicios en línea, como redes sociales o sitios de noticias, y consumirlos directamente desde tu código.

  • Data Wrangling I: Aquí comienza la limpieza de datos. Abordaremos el Data Wrangling, el arte de preparar la información para el análisis. Te mostraremos cómo identificar y manejar valores faltantes, un paso fundamental para garantizar la calidad de tus datos.

  • Data Wrangling II: Continuamos con la preparación. Te enseñaremos a manejar otros problemas comunes, como valores duplicados, formatos de datos incorrectos y valores atípicos (outliers), para que tus datos sean precisos y fiables.

  • Limpieza de Data: En este capítulo, consolidaremos todas las técnicas de limpieza que aprendiste. Te mostraremos cómo construir un flujo de trabajo para limpiar cualquier conjunto de datos, asegurando que estén listos para ser analizados y modelados.

  • Exploratory Data Analysis (EDA): Este es el paso donde realmente conoces tus datos. El Análisis Exploratorio de Datos (EDA) te permitirá usar estadísticas y visualizaciones para entender las características, tendencias y relaciones en tu conjunto de datos, antes de aplicar cualquier modelo de Machine Learning.

  • Visualización de Datos: Aquí, harás que tus datos hablen. Te presentaremos librerías de Python como Matplotlib y Seaborn, y te guiaremos en la creación de gráficos claros y concisos para revelar los insights que descubriste en tu EDA.

  • Storytelling: Una vez que tengas los hallazgos, necesitas saber cómo comunicarlos. Este capítulo te enseñará a crear una historia con tus datos. Aprenderás a estructurar tus descubrimientos y a presentarlos de manera convincente a cualquier audiencia, ya sea técnica o no.

  • Datos Espaciales y Visualizaciones Animadas: Finalmente, exploraremos técnicas de visualización más avanzadas. Te mostraremos cómo trabajar con datos espaciales para crear mapas y cómo usar animaciones para mostrar cambios y tendencias a lo largo del tiempo, llevando tu narrativa al siguiente nivel.