Big data, machine learning y data science en Python
Ortega Candel, José Manuel
Big data, machine learning y data science en Python - Bogota: Ediciones de la U, RA-MA, 2023 - 406 p. fig.,
Objetivos -- 1. Introducción a Big data -- 2. Arquitectura Big data -- 3. Bases de datos para Big data -- 4. Introducción a la ciencia de datos y machine learning -- 5. Tratamiento de datos con Python -- 6. Scikit-learn como librería de machine learning -- 7. Redes neuronales artificiales -- 8. Plataforma hadoop -- 9. Procesamiento distribuido con Apache Spark -- 10. Pyspark como librería de procesamiento distribuido -- 11. Entornnos de ejecución spark -- 12. MLLIB como módulo de machine learning -- 13. Sistemas de recomendación.
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 scikit-learn como herramienta para resolver problemas de machine learning. • Introducir pyspark como herramienta para aplicar técnicas de big data y map-reduce. • Introducir los sistemas de recomendación basados en contenidos. El libro trata de seguir un enfoque teórico-práctico 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.
978-958-792-525-8
COMPUTACIÓN E INFORMÁTICA
Software
Lenguaje de programación
005.74
Big data, machine learning y data science en Python - Bogota: Ediciones de la U, RA-MA, 2023 - 406 p. fig.,
Objetivos -- 1. Introducción a Big data -- 2. Arquitectura Big data -- 3. Bases de datos para Big data -- 4. Introducción a la ciencia de datos y machine learning -- 5. Tratamiento de datos con Python -- 6. Scikit-learn como librería de machine learning -- 7. Redes neuronales artificiales -- 8. Plataforma hadoop -- 9. Procesamiento distribuido con Apache Spark -- 10. Pyspark como librería de procesamiento distribuido -- 11. Entornnos de ejecución spark -- 12. MLLIB como módulo de machine learning -- 13. Sistemas de recomendación.
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 scikit-learn como herramienta para resolver problemas de machine learning. • Introducir pyspark como herramienta para aplicar técnicas de big data y map-reduce. • Introducir los sistemas de recomendación basados en contenidos. El libro trata de seguir un enfoque teórico-práctico 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.
978-958-792-525-8
COMPUTACIÓN E INFORMÁTICA
Software
Lenguaje de programación
005.74