Ortega Candel, José Manuel <br/><br/>
Big Data, machine learning y data science en Python / 
José Manuel Ortega Candel 
 - Primera edición  
 - 1 recurso en línea (406 páginas):  ilustraciones 
 - Área: Informática .
<br/><br/>Incluye referencias bibliográficas 
<br/><br/> 1. Introducción a Big Data --   2. Arquitecturas 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 distribuído con apache Spark --   10. Pyspark como librería de procesamiento distribuido --   11. Entornos de ejecución Spark --   12. Mllib como módulo de machine Learning --   13. Sistemas de recomendación 
<br/><br/> Acceso en línea, autorizado para usuarios eBooks 7-24 
<br/><br/> 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 
<br/><br/><label>ISBN: </label>9789587925265 (e-ISBN)  9789587925258 (Impreso)  
<br/><br/><label>Standard No.: </label> 31985  Identificador Ebook7-24 
<br/><br/><label>Subjects--Topical Terms: </label><br/>Informática <br/>Lenguajes de programación<br/>Arquitectura Big Data
<br/><br/><label>Dewey Class. No.: </label>005.133  / O771