03802nam a2200421 i 4500 31985 CO-BoDC 20250509143857.0 m o d cr cnu---unuuu s2023 ck a fo 001 0 spa d 9789587925265 (e-ISBN) 9789587925258 (Impreso) 31985 Identificador Ebook7-24 (Co-BoDC)31985 CO-BoDC spa rda 005.133 O771 22 Ortega Candel, José Manuel autor 158384 Big Data, machine learning y data science en Python / José Manuel Ortega Candel Primera edición Bogotá, Colombia Ediciones de la U RA-MA Editorial 2023 1 recurso en línea (406 páginas): ilustraciones texto txt rdacontent/spa computador c rdamedia/spa recurso en linea cr rdacarrier/spa texto PDF rda/spa Área: Informática Incluye referencias bibliográficas 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 Acceso en línea, autorizado para usuarios eBooks 7-24 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 Versión impresa Informática 158338 Lenguajes de programación 24661 Arquitectura Big Data 158915 https://login.zproxy.cun.edu.co/login?url=https://www.ebooks7-24.com:443/?il=31985 Acceso al texto completo desde eBooks 7-24, dando clic aquí https://login.zproxy.cun.edu.co/login?url=https://www.ebooks7-24.com:443/portadas/?ID=31985p Acceso a la imagen de portada, dando clic aquí 64841 64841