Big data, machine learning y data science en Python / José Manuel Ortega Candel.

Format:

Book

Author/Creator:

Ortega Candel, José Manuel, author.

Language:

Spanish

Subjects (All):

Programming (Mathematics)--Congresses.

Programming (Mathematics).

Genre:

Libros electrónicos.

Physical Description:

1 resource (210 pages) : illustrations

Place of Publication:

Madrid : RA-MA Editorial, 2022.

Summary:

El libro está dirigido aquellos lectores que estén trabajando en proyecto relacionados con big data y busquen identificar las características de una solución de Big Data, los datos asociados a estas soluciones, la infraestructura requerida, y las técnicas de procesamiento de esos datos. Entre los principales objetivos podemos destacar: • Introducir los conceptos de ciencias de datos y machine learning. • Introducir las principales librerías que podemos encontrar en Python para aplicar técnicas de machine learning a los datos. • Dar a conocer los pasos para construir un modelo de machine learning, desde la adquisición de datos, pasando por la generación de funciones, hasta la selección de modelos. • Dar a conocer los principales algoritmos para resolver problemas de machine learning. • Introducir scikitlearn como herramienta para resolver problemas de machine learning. • Introducir pyspark como herramienta para aplicar técnicas de big data y mapreduce. • Introducir los sistemas de recomendación basados en contenidos. El libro trata de seguir un enfoque teóricopráctico con el objetivo de afianzar los conocimientos mediante la creación y ejecución de scripts desde la consola de Python. Además, complementa los contenidos con un repositorio alojado en el Material Adicional donde se pueden encontrar los ejemplos que se analizan a lo largo del libro para facilitar al lector las pruebas y asimilación de los contenidos teóricos. Desde la web del libro podrá descargar los ejemplos y ejercicios que se desarrollan en el libro lo que facilitara al lector a asimilar lo aprendido.

Notes:

Contiene bibliografía.

Description based on publisher supplied metadata and other sources.

ISBN:

84-19444-59-6

OCLC:

1390973516