TY  - BOOK
AU  - Ortega Candel,José Manuel
TI  - Big Data, machine learning y data science en Python
T2  - Área: Informática
SN  - 9789587925265 (e-ISBN) 
U1  - 005.133 22
PY  - 2023///
CY  - Bogotá, Colombia
PB  - Ediciones de la U, RA-MA Editorial
KW  - Informática
KW  - Lenguajes de programación
KW  - Arquitectura Big Data
N1  - 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
N2  - 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
UR  - https://login.zproxy.cun.edu.co/login?url=https://www.ebooks7-24.com:443/?il=31985
UR  - https://login.zproxy.cun.edu.co/login?url=https://www.ebooks7-24.com:443/portadas/?ID=31985p
ER  -