000			02703nam a22003737i 4500
001			AZUAY-89991
003			AZUAY
005			20251111043040.0
008			251108b |||||||gr|||| 00| | d
020			_a978-958-7787-88-7
040			_aAZUAY _bspa _cAZUAY _dAZUAY _erda
041	0		_aspa
082	0	4	_a005 _bB8863
100	1		_aGedeck, Peter, _eautor
245	1	0	_aEstadística práctica para ciencia de datos con R y Python
250			_a2a. ed.
264	3	1	_aBarcelona : _bMarcombo, _c2022
264	3	1	_aBogotá, Colombia : _bAlpha Editorial S. A., _c2022
300			_axiii, 347 páginas : _btablas, figuras
300			_bImpreso
336			_2rdacontent _atexto _btxt
337			_2rdamedia _ano mediado _bn
338			_2rdacarrier _avolumen _bnc
504			_aIncluye bibliografía e índice onomástico
520	3		_bLos métodos estadísticos son una parte fundamental de la ciencia de datos, pero pocos científicos de datos tienen una formación avanzada en estadística. Los cursos y libros sobre estadística básica rara vez tratan el tema desde la perspectiva de la ciencia de datos. La segunda edición de este libro incluye ejemplos detallados de Python, ofrece una orientación práctica sobre la aplicación de los métodos estadísticos a la ciencia de datos, te indica cómo evitar su uso incorrecto y te aconseja sobre lo que es y lo que no es importante. Muchos recursos de la ciencia de datos incorporan métodos estadísticos, pero carecen de una perspectiva estadística más profunda. Si estás familiarizado con los lenguajes de programación R o Python y tienes algún conocimiento de estadística, este libro suple esas carencias de una forma práctica, accesible y clara. Con este libro aprenderás: Por qué el análisis exploratorio de datos es un paso preliminar clave en la ciencia de datos Cómo el muestreo aleatorio puede reducir el sesgo y ofrecer un conjunto de datos de mayor calidad, incluso con Big Data Cómo los principios del diseño experimental ofrecen respuestas definitivas a preguntas Cómo utilizar la regresión para estimar resultados y detectar anomalías Técnicas de clasificación esenciales para predecir a qué categorías pertenece un registro Métodos estadísticos de aprendizaje automático que ´aprenden´ a partir de los datos Métodos de aprendizaje no supervisados para extraer significado de datos sin etiquetar.
650	1	4	_aANÁLISIS DE DATOS
650	1	4	_aLENGUAJE DE PROGRAMACIÓN R
650	1	4	_aLENGUAJE PYTHON
654	0		_a005 - Programas, datos de computadora
654	0		_a005 - Programas, datos de computadora
700	1		_aBruce, Andrew, _eautor
700	1		_aBruce, Peter, _eautor
942			_2ddc _c5
999			_c41908 _d41908