Big data, machine learning y data science en Python
Idioma: Español Detalles de publicación: Bogota: Ediciones de la U, RA-MA, 2023Descripción: 406 p. figISBN:- 978-958-792-525-8
- 005.74
| Tipo de ítem | Biblioteca actual | Colección | Signatura topográfica | Copia número | Estado | Notas | Fecha de vencimiento | Código de barras | |
|---|---|---|---|---|---|---|---|---|---|
Libros
|
UNAB | Cultura General | 005.74 O73 (Navegar estantería(Abre debajo)) | 1 | Disponible | 2024-11-27 | 01000006680 | ||
|
Libros
|
UNAB | Cultura General | 005.74 O73 EJ.2 (Navegar estantería(Abre debajo)) | 2 | Disponible | 01L000006681 | |||
|
Libros
|
UNAB | Cultura General | 005.74 O73 EJ.3 (Navegar estantería(Abre debajo)) | 3 | Disponible | 01L000006682 |
Navegando UNAB estanterías, Colección: Cultura General Cerrar el navegador de estanterías (Oculta el navegador de estanterías)
|
|
|
|
|
|
|
||
| 004.65 K96 Redes de computadoras: Un enfoque descendente | 004.65 K96 ej.2 Redes de computadoras: Un enfoque descendente | 004.65 K96 ej.3 Redes de computadoras: Un enfoque descendente | 005.74 O73 Big data, machine learning y data science en Python | 005.74 O73 EJ.2 Big data, machine learning y data science en Python | 005.74 O73 EJ.3 Big data, machine learning y data science en Python | 005.741 P42 Algoritmos y estructuras de datos: con programas verificados en Dafny |
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.