product
4682608BIG DATA, MACHINE LEARNING Y DATA SCIENCE EN PYTHONhttps://www.gandhi.com.mx/big-data--machine-learning-y-data-science-en-python-9786075761428/phttps://gandhi.vtexassets.com/arquivos/ids/4542734/9786075761428.jpg?v=638531604051870000MXNALFAOMEGAOutOfStock/Libros/<p style="margin-right: 0px; margin-bottom: 20px; margin-left: 0px; color: rgb(74, 78, 87); font-family: Karla, Arial, Helvetica, sans-serif; font-size: 15px; text-align: start;">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:</p><p style="margin-right: 0px; margin-bottom: 20px; margin-left: 0px; color: rgb(74, 78, 87); font-family: Karla, Arial, Helvetica, sans-serif; font-size: 15px; text-align: start;"> Introducir los conceptos de ciencias de datos y machine learning.<br> Introducir las principales librerías que podemos encontrar en Python para aplicar<br>técnicas de machine learning a los datos.<br> 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.<br> Dar a conocer los principales algoritmos para resolver problemas de machine learning.<br> Introducir scikit-learn como herramienta para resolver problemas de machine learning.<br> Introducir pyspark como herramienta para aplicar técnicas de big data y map-reduce.<br> Introducir los sistemas de recomendación basados en contenidos.<br>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.</p><p style="margin-right: 0px; margin-bottom: 20px; margin-left: 0px; color: rgb(74, 78, 87); font-family: Karla, Arial, Helvetica, sans-serif; font-size: 15px; text-align: start;">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<br>que se desarrollan en el libro lo que facilitara al lector a asimilar lo aprendido.</p>4426662BIG DATA, MACHINE LEARNING Y DATA SCIENCE EN PYTHON698698https://www.gandhi.com.mx/big-data--machine-learning-y-data-science-en-python-9786075761428/phttps://gandhi.vtexassets.com/arquivos/ids/4542734/9786075761428.jpg?v=638531604051870000OutOfStockMXN0FITapa blanda1a Edición20239786075761428_<p style="margin-right: 0px; margin-bottom: 20px; margin-left: 0px; color: rgb(74, 78, 87); font-family: Karla, Arial, Helvetica, sans-serif; font-size: 15px; text-align: start;">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:</p><p style="margin-right: 0px; margin-bottom: 20px; margin-left: 0px; color: rgb(74, 78, 87); font-family: Karla, Arial, Helvetica, sans-serif; font-size: 15px; text-align: start;"> Introducir los conceptos de ciencias de datos y machine learning.<br> Introducir las principales librerías que podemos encontrar en Python para aplicar<br>técnicas de machine learning a los datos.<br> 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.<br> Dar a conocer los principales algoritmos para resolver problemas de machine learning.<br> Introducir scikit-learn como herramienta para resolver problemas de machine learning.<br> Introducir pyspark como herramienta para aplicar técnicas de big data y map-reduce.<br> Introducir los sistemas de recomendación basados en contenidos.<br>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.</p><p style="margin-right: 0px; margin-bottom: 20px; margin-left: 0px; color: rgb(74, 78, 87); font-family: Karla, Arial, Helvetica, sans-serif; font-size: 15px; text-align: start;">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<br>que se desarrollan en el libro lo que facilitara al lector a asimilar lo aprendido.</p>9786075761428_ALFAOMEGA9786075761428_97860757614283.0000x23.0000x16.0000JOSÉ MANUEL ORTEGA CANDELBilingüe Inglés - EspañolMéxico4083.000023.0000670.000016.0000ALFAOMEGA