Mejores libros sobre Big Data y Ciencia de Datos

En este artículo, recomendaremos libros y otros recursos específicamente sobre big data y ciencia de datos.

Big Data: Una revolución que transformará nuestra forma de vivir, trabajar y pensar

Autores: Viktor Mayer-Schonberger y Kenneth Cukier

Big Data: A Revolution ofrece una visión general amplia del big data y del impacto que está teniendo en la sociedad moderna. Aunque no es un libro técnico, sí ofrece una buena introducción general a qué están los big data y cómo están afectando a prácticas en áreas tan diversas como:

• Detección de fraude
• Aplicación internacional de la ley
• Lingüística
• Traducción automática de idiomas

Ideal para gestores y analistas, o quizá incluso para ejecutivos de alto nivel, Big Data: A Revolution ofrece visión y orientación sobre cómo deberían avanzar las industrias tras la revolución de la información actual.

Una de las premisas centrales del libro están la noción de "por qué, no qué". Por ejemplo, el libro afirma:

"La era del big data desafía la forma en que vivimos e interactuamos con el mundo. Lo más llamativo es que la sociedad tendrá que dejar atrás parte de su obsesión por la causalidad a cambio de correlaciones simples: no saber por qué, sino solo qué."

Hadoop: La Guía Definitiva, 4ª Edición

Autor: Tom White

Hadoop: La Guía Definitiva están un libro de big data dirigido a públicos técnicos. El libro se publicó originalmente en 2009 y actualmente se está vendiendo como una actualización de cuarta edición.

Elogiado por desarrolladores e ingenieros de datos de todo el mundo, Hadoop: The Definitive Guide ofrece instrucciones para construir y mantener sistemas de datos distribuidos y de procesamiento paralelo con Apache Hadoop (HDFS, MapReduce y YARN). La actualización de la 4ª Edición incluso entra en detalles sobre el despliegue de Hadoop 2, incluyendo detalles técnicos que te deberías conocer sobre YARN, HBase, Parquet, Flume, Crunch, Pig, Hive y Spark.

El libro también presenta interesantes estudios de caso de las industrias sanitaria y de ciencias genómicas.

Data Smart: Uso de la ciencia de datos para transformar la información en información

Autor: John Foreman

¡A los profesionales de negocios les encanta Data Smart, así de sencillo! Escrito especialmente para principiantes en ciencia de datos, Data Smart ofrece una forma muy sencilla para que los lectores comprendan los conceptos y técnicas que sustentan la ciencia de datos. Además, el libro ofrece tutoriales paso a paso sobre cómo ejecutar estas técnicas en el omnipresente Microsoft Excel. Algunos métodos de ciencia de datos que cubre Data Smart incluyen:

• Análisis de conglomerados (incluyendo métodos de k-medias y k-medianas)
• Programación lineal para la clasificación de documentos
• Diversas formas de análisis de regresión lineal
• Previsión de series temporales

Aunque este libro no te enseñará todo lo que te necesita saber para Comienza desplegar proyectos analíticos a gran escala, ayudará a te conoce el abecedario básico de la ciencia de datos y algunos de los métodos que la componen.

Introducción al aprendizaje automático con Python: Guía para científicos de datos

Autores: Andreas C. Müller y Sarah Guido

Introducción al Aprendizaje Automático con Python proporciona directrices prácticas para construir modelos de aprendizaje automático con una variedad de bibliotecas de ciencia de datos en Python. El libro cubre conceptos fundamentales de aprendizaje automático y ofrece ejemplos de programación en diversas aplicaciones. Las directrices de modelado incluyen:

• Preparación de datos
• Ajuste y evaluación de modelos
• Algoritmos de IA, incluyendo aprendizaje supervisado y no supervisado
• Técnicas de optimización estadística

Capítulos dedicados al procesamiento y visualización de datos de texto e imagen ayudan a los usuarios a conoce aprendizaje automático práctico con Python de extremo a extremo.

(Ve por qué Python es perfecto para big data.)

Autores: Aaron Courville, Ian Goodfellow y Yoshua Bengio

Aprendizaje Profundo

Deep Learning es uno de los libros más completos escritos sobre el tema por tres de los expertos más destacados en el ámbito del aprendizaje profundo. El libro ofrece detalles matemáticos extensos y cubre suficientemente todos los dominios relevantes del aprendizaje automático estadístico, incluyendo:

• Probabilidad y teoría de la información
• Optimización
• Cálculo numérico

El libro ofrece directrices generales de aprendizaje automático y modelado matemático aplicables al procesamiento del lenguaje natural, visión por ordenador y conducción autónoma, finanzas, datos sanitarios y bioinformática, y entretenimiento, entre otros.

¿Quién debería utilizar este libro? Es más adecuado para estudiantes de grado y posgrado que buscan una carrera en aprendizaje automático. Los profesionales con formación en estadística e informática también pueden aprovechar el libro Deep Learning para comprender realmente cómo funciona el aprendizaje automático y cómo aporta valor a su negocio.

Matemáticas para el aprendizaje automático

Autores: Marc Peter Deisenroth, A. Aldo Faisal y Cheng Soon Ong.

Las matemáticas están el componente más integral del aprendizaje automático, y va mucho más allá del aprendizaje profundo. Matemáticas para el aprendizaje automático da un paso atrás y abarca una variedad de conceptos básicos de aprendizaje automático con gran detalle.

Este libro es un excelente punto de partida para profesionales que buscan un cambio de carrera hacia el aprendizaje automático y, especialmente, el deep learning, pero carecen de los conocimientos de las matemáticas subyacentes. Este libro abarca una variedad de temas, desde cálculo, álgebra lineal, probabilidad y optimización. A continuación, analiza los algoritmos centrales de aprendizaje automático, incluyendo las Máquinas de Vectores de Soporte y el Análisis de Componentes Principales.

Sin embargo, esta última parte del libro no está exhaustiva en técnicas y algoritmos de aprendizaje automático, ya que no se son cubiertos diversos métodos centrales de aprendizaje automático—pero en este campo en crecimiento, ¿quién puede cubrirlo todo?

Reconocimiento de patrones y aprendizaje automático

Autor: Christopher Bishop

Pattern Recognition and Machine Learning están otro gran libro sobre ciencia de datos. Sin embargo, a diferencia de Data Smart, Pattern Recognition fue escrito para satisfacer los intereses y capacidades técnicas de científicos de la información y estadísticos ya avanzados.

El libro introduce algoritmos de aproximación inferencial que son útiles para generar respuestas rápidas a partir de preguntas planteadas sobre conjuntos de big data. Aunque el libro no requiere conocimientos previos de reconocimiento de patrones ni aprendizaje automático, sí especifica que los lectores deben ser hábiles en cálculo y en los fundamentos de probabilidad y álgebra lineal.

Ingenieros y estadísticos han elogiado el libro por su legibilidad y exhaustividad, aunque los críticos han expresado frustración por su enfoque poco intuitivo y centrado en matemáticas.

Contar historias con datos: una guía de visualización de datos para profesionales empresariales

Autor: Cole Nussbaumer Knaflic

La última parte del viaje en ciencia de datos está presentando los conocimientos aprendidos desde la perspectiva de la inteligencia artificial. Contar historias con datos permite a científicos de datos, expertos en aprendizaje automático y profesionales de TI presentar sus hallazgos de aprendizaje automático como visualizaciones de datos simples e intuitivas

En concreto, el libro enseña la importancia del contexto y la simplicidad de la visualización de datos, determinando técnicas adecuadas para diversas técnicas estadísticas y audiencias, eliminando desorden e información compleja innecesaria, así como diseñando conceptos para presentar una historia o demostrar un punto.

Complementario al libro están otra guía práctica práctica del mismo autor: Storytelling with Data: Let's Practice!.

Lecturas relacionadas

• Blog de Aprendizaje Automático y Big Data de BMC
• Principales algoritmos de aprendizaje automático y cómo Obtén
• Sesgo y varianza en el aprendizaje automático: conceptos y tutoriales
• Arquitectura de datos explicada: Componentes, estándares y arquitecturas cambiantes
• Detección de anomalías con aprendizaje automático: una introducción
• Certificaciones en Ciencia de Datos: Una Introducción

Estas publicaciones son mías y no representan necesariamente la posición, estrategias u opinión de BMC.