Curso
Introducción a R
4 h
3M
La ciencia de datos es uno de los campos de más rápido crecimiento en la actualidad. Organizaciones de todo el mundo están aprovechando el poder de los datos para respaldar la toma de decisiones y ofrecer experiencias innovadoras a sus partes interesadas. Dado que este campo está en constante evolución, los libros sobre ciencia de datos son una excelente forma de que los profesionales perfeccionen sus conocimientos básicos y se mantengan al día de las últimas técnicas y métodos.
En este artículo, hemos preparado una descripción general completa de los mejores libros sobre ciencia de datos que abarcan programación, estadística, visualización de datos y mucho más. ¡Empecemos!
Los mejores libros sobre ciencia de datos para principiantes
Los mejores libros de programación para la ciencia de datos
1. Ciencia de datos desde cero: Principios básicos con Python, por Joel Grus
Data Science from Scratch es un libro perfecto para principiantes. Tras el éxito de la primera edición del libro, Joel Grus presentó una edición revisada que cubre los fundamentos de la ciencia de datos utilizando el lenguaje de programación Python 3.
Centrado en problemas reales de ciencia de datos, el libro abarca los conceptos más importantes del campo mediante la implementación de soluciones desde cero, utilizando una combinación equilibrada de estadística y programación.
Aunque no es necesario saber utilizar Python de antemano para obtener todos los resultados que deseas de este libro, tener algunos conocimientos del lenguaje te facilitará el aprendizaje. Recomendamos consultar el curso Introducción a Python de DataCamp para obtener una introducción básica a Python.
2. Manual de ciencia de datos con Python, de Jake VanderPlas
Este completo libro escrito por Jake VanderPlas incluye guías paso a paso para utilizar las herramientas y paquetes más populares dentro del ecosistema de ciencia de datos de Python. Esto incluye Jupyter, iPython, NumPy, pandas, scikit-learn, matplotlib y otras bibliotecas. Aprenderás a través de ejemplos que podrás reproducir fácilmente.
Desde su publicación en 2016, Python Data Science Handbook se ha convertido rápidamente en una referencia para la computación científica en Python. La buena noticia es que se espera una edición revisada para finales de 2022. También puedes escuchar a Jake VanderPlas hablar sobre el libro, entre otros temas, en el podcast DataFrame.
3. R para la ciencia de datos: Importar, ordenar, transformar, visualizar y modelar datos, por Garrett Grolemund y Hadley Wickham.
Si eres un programador de R y quieres iniciarte en la ciencia de datos, este libro es para ti. Escrito por las estrellas de R Hadley Wickham y Garret Grolemnd, con R for Data Science aprenderás los fundamentos de esta disciplina mediante el uso del versátil lenguaje de programación R y RStudio.
En lugar de enseñar conceptos estadísticos avanzados desde cero, el libro se centrará en cómo utilizar R para el análisis de datos, de modo que puedas familiarizarte con paquetes populares, como ggplot2, tidyr y muchos más. En resumen, una lectura obligatoria para cualquier científico de datos que desee perfeccionar sus conocimientos básicos sobre R.
Los mejores libros de estadística para la ciencia de datos
4. Think Stats, de Allen B. Downey
Para convertir los datos en información útil, es necesario saber no solo cómo programar, sino también cómo aplicar diferentes métodos de probabilidad y estadística. Aprender estadística es un aspecto fundamental para tener éxito como científico de datos. Afortunadamente, este libro demuestra que aprender estadística puede ser fácil y divertido.
Think Stats es una introducción a la probabilidad y la estadística para programadores de Python. Al trabajar con un único caso práctico a lo largo del libro, aprenderás los diferentes métodos estadísticos que se utilizan en las distintas etapas del flujo de trabajo de la ciencia de datos.
El libro abarca ampliamente conceptos clave de la estadística, como la estadística descriptiva, las distribuciones, las reglas de probabilidad, la visualización y muchos más. También puedes consultar el libro de Allen Downey en DataCamp: Análisis exploratorio en Python.
5. Introducción al aprendizaje estadístico: Con aplicaciones en R, por Gareth James, Daniela Witten, Trevor Hastie y Robert Tibshirani.
Dirigido tanto a estadísticos como a no estadísticos, An Introduction to Statistical Learning ofrece una visión general accesible del campo de la estadística para el análisis de datos.
Incluye un tratamiento exhaustivo y accesible de algunos de los temas clave del aprendizaje estadístico, como la regresión lineal, la clasificación, los métodos de remuestreo, los enfoques de contracción, los métodos basados en árboles, las máquinas de vectores de soporte, la agrupación y mucho más. También puedes consultar el programa de habilidades Fundamentos de estadística con R para complementar tu aprendizaje.
6. Estadística práctica para científicos de datos: Más de 50 conceptos esenciales utilizando R y Python, por Peter Bruce, Andrew Bruce y Peter Gedeck.
La estadística es una parte fundamental de la ciencia de datos. Sin embargo, como dicen los autores del libro, muchos científicos de datos carecen de formación formal en estadística. Prácticas estadísticas para científicos de datos es un excelente recurso para llenar este vacío.
Este excelente libro ofrece orientación práctica sobre la aplicación de métodos estadísticos en la ciencia de datos. Se centra en cómo evitar el uso indebido de las estadísticas en el flujo de trabajo de la ciencia de datos y ofrece consejos tácticos sobre las técnicas estadísticas más utilizadas que se pueden aplicar. La segunda edición añade nuevos ejemplos tanto en Python como en R.
Los mejores libros sobre machine learning para la ciencia de datos
7. Introducción a machine learning con Python: Guía para científicos de datos, por Andreas C. Müller y Sarah Guido.
Machine learning es una parte integral del conjunto de herramientas de la ciencia de datos. Si eres programador de Python y te interesa aprender sobre machine learning, este libro te proporcionará todo lo que necesitas.
Introducción a machine learning con Python es el libro ideal para iniciar tu andadura en machine learning. Escrito por uno de los programadores principales del paquete scikit-learn, este libro cubre ampliamente los entresijos de la creación de modelos de machine learning en el paquete scikit-learn de Python.
8. Aprendizaje automático práctico: machine learning con Scikit-Learn, Keras y TensorFlow: Conceptos, herramientas y técnicas para crear sistemas inteligentes, por Aurélien Géron.
En este libro, Aurelien Geron explica las técnicas básicas de machine learning basándose en herramientas y marcos populares de Python, como scikit-learn, Keras y Tensorflow.
El libro adopta un enfoque práctico del machine learning y evita abrumarte con la teoría que hay detrás de muchos modelos de machine learning. También explica conceptos más avanzados como el aprendizaje profundo y las redes neuronales. Incluye ejercicios en cada capítulo para que puedas poner en práctica fácilmente los ejemplos y aprender de ellos.
9. El libro de cien páginas sobre machine learning, de Andriy Burkov.
Si simplemente sientes curiosidad por el machine learning y quieres iniciarte en esta disciplina sin entrar en detalles técnicos, o si eres un profesional del machine learning que desea repasar los conceptos básicos, te recomendamos el libro de cien páginas sobre machine learning.
Resumir una disciplina tan compleja y extensa en solo 100 páginas es una tarea apasionante en la que Andriy Burkov ha tenido éxito. Después de leerlo, podrás comprender los diferentes tipos de machine learning, los conceptos básicos del diseño y la implementación de modelos predictivos, y lo que se necesita para poner en marcha una aplicación basada en machine learning.
Otro recurso excelente para aprender los fundamentos teóricos de machine learning es el curso Understanding Machine Learning(Comprender el machine learning).
Los mejores libros sobre visualización de datos para la ciencia de datos
10. El arte funcional, de Alberto Cairo
En The Functional Art, el periodista de datos Alberto Cairo aborda la cuestión de cómo hacer que el arte que hay detrás de la visualización de datos sea funcional. En otras palabras, cómo crear visualizaciones atractivas sin comprometer la utilidad y la información que aportan.
Partiendo de una descripción detallada de las mejores prácticas en visualización de datos, Cairo resume las peculiaridades de nuestro cerebro y cómo influyen en la forma en que percibimos y recordamos la información gráfica. Después de leer este libro, tu forma de abordar la visualización de datos cambiará para siempre.
11. Diseño del panel de información: Visualización de datos para una supervisión rápida, por Stephen Few
Los paneles de control son una de las formas más eficaces de visualizar datos de diferentes fuentes de un solo vistazo. Se han convertido en un elemento fundamental de la infraestructura de las empresas basadas en datos, ya que permiten tanto a los consumidores como a los profesionales del sector acceder simultáneamente a los datos y a los indicadores clave de rendimiento (KPI). Sin embargo, como señala Stephen Few en su famoso libro, los paneles de control suelen diseñarse de forma engorrosa e ineficaz.
El diseño de paneles de información se concibe como una guía práctica para crear paneles atractivos. Partiendo de los principios de la teoría del diseño y la visualización de datos, el libro continúa presentando las mejores prácticas del sector para el diseño de paneles de control. También ofrece numerosos ejemplos de cómo pasar de la teoría a la práctica sin problemas.
12. Narración eficaz de datos: Cómo impulsar el cambio con datos, narrativas y elementos visuales, por Brent Dykes.
La capacidad de comunicarse eficazmente con datos es una habilidad fundamental para cualquier persona que trabaje en el campo de la ciencia de datos. La visualización de datos puede ayudarnos en esta tarea. Sin embargo, si queremos asegurarnos de que nuestros conocimientos sobre los datos se traduzcan en acciones, debemos tener en cuenta otros recursos y elementos que influyen en la comunicación. Esa es la idea que subyace al Effective Data Storytelling.
En su libro, Brent Dykes, que apareció en el episodio del podcast DataFrame «» (Narrativa eficaz con datos: cómo contar historias con datos), Cómo convertir los conocimientos en acciones» —Dykes desarrolló un marco para la narración de datos, un enfoque que combina tres elementos centrales: datos, narrativa y elementos visuales. En resumen, este libro es un recurso imprescindible para cualquiera que se comunique habitualmente con datos.
13. Gráficos informativos de Sandra Rendgen y Julius Wiedemann.
Information Graphics es un libro precioso y magníficamente elaborado que explora el desarrollo de la comunicación visual en la era de los grandes datos. Contiene una serie de ensayos sobre la historia de la visualización de datos y 400 ejemplos reales de proyectos gráficos que abarcan numerosos ámbitos de nuestra sociedad. Cualquiera que esté interesado en la historia y la práctica de la comunicación visual moderna encontrará esto útil.
14. Present Beyond Measure, de Lea Pica
Present Beyond Measure es una guía completa sobre visualización de datos dirigida a un público diverso, que incluye analistas de datos, profesionales del marketing y otros. El libro abarca aspectos clave como eliminar la sobrecarga de datos, dominar el diseño de diapositivas y emplear técnicas narrativas cinematográficas, y ofrece consejos prácticos para crear narrativas de datos convincentes y presentaciones atractivas. Centrándose en el protocolo PICA y en la fórmula Chart Detox™, propiedad de Lea, ofrece un enfoque conciso pero exhaustivo para presentar los datos de forma clear as data. Adecuado para una amplia gama de profesionales, desde ejecutivos hasta consultores, este recurso ofrece información valiosa y consejos para crear visualizaciones de datos impactantes y presentarlas con confianza.
Libros adicionales sobre ciencia de datos
15. Armas de destrucción matemática, de Cathy O’Neill
Publicado en 2016, Weapons of Math Destruction allanó el camino para un debate necesario sobre las implicaciones éticas del big data. Según Cathy O'Neill, los algoritmos perpetúan sesgos perjudiciales. Ilustrando estos sesgos con ejemplos reales, O'Neill concluye el libro argumentando que la transparencia y las auditorías de algoritmos serán necesarias para un futuro más justo. Escucha a Cathy O'Neil hablar sobre su libro en el podcast DataFramed.
16. Todo el mundo miente: Big Data, nuevos datos y lo que Internet puede decirnos sobre quiénes somos realmente, por Seth Stephens-Davidowitz.
Los motores de búsqueda son uno de los principales impulsores del big data. Cada día, creamos miles de millones de terabytes de datos con solo escribir consultas en los motores de búsqueda. Esta información puede revelar mucho sobre vuestro comportamiento, prejuicios y miedos. En el best seller Everybody lies(Todo el mundo miente), Stephens-Davidowitz analiza los datos de búsqueda de Google y ofrece respuestas reveladoras a preguntas que abarcan la economía, la ética, la política, la raza, el género y mucho más.
17. Algoritmos de opresión: Cómo los motores de búsqueda refuerzan el racismo, por el Dr. Safiya U. Noble
En Algorithms of Oppression, Safiya U. Noble analiza en profundidad cómo los motores de búsqueda devuelven resultados sesgados a las consultas. Ella sostiene que la combinación de incentivos para promover ciertos resultados, junto con el estatus de monopolio de un número relativamente pequeño de motores de búsqueda en Internet, ha dado lugar a algoritmos racistas y sexistas que perpetúan estereotipos dañinos en Internet. Este libro ofrece una visión general del poder que puede tener la ciencia de datos para aliviar y reforzar el racismo.
18. 97 cosas sobre ética que todo el mundo debería saber en ciencia de datos, por Bill Franks.
La mayoría de los casos más destacados de impactos perjudiciales reales o percibidos de la ciencia de datos no están motivados por malas intenciones. Más bien, normalmente se deben a una falta de revisión ética cuidadosa durante el proceso de diseño e implementación. El objetivo de «97 cosas sobre ética que todo el mundo debería saber en ciencia de datos » es identificar las mejores prácticas éticas para integrarlas en el flujo de trabajo del análisis de datos. El libro se basa en las opiniones de los mejores profesionales de la ciencia de datos.
19. Estadísticas desnudas: Eliminando el miedo a los datos, por Charles Wheelan
Los lectores quedarán encantados con esta provocativa y esclarecedora visión sobre cómo las empresas utilizan hoy en día las estadísticas para manipular vuestro comportamiento. Con una combinación equilibrada de teoría y ejemplos reales de buenas y, sobre todo, malas prácticas, el aclamado autor Charles Wheelan ofrece claves para comprender mejor nuestra sociedad y defiende la necesidad de mejorar los conocimientos estadísticos.
20. No confíes en tu instinto: Cómo utilizar los datos para conseguir lo que realmente quieres en la vida, por Seth Stephens-Davidowitz.
La mayoría de los libros sobre big data tienden a centrarse en las aplicaciones de los datos para respaldar la toma de decisiones empresariales, pasando por alto el hecho de que los datos también pueden ser útiles en tu vida cotidiana. No confíes en tu instinto para abordar este tema. Ofrece una guía práctica sobre cómo los datos pueden funcionar mejor que la intuición para respaldar las decisiones grandes y pequeñas que todos tenéis que tomar a lo largo de vuestras vidas.
21. Introducción al procesamiento del lenguaje natural Por Jacob Eisenstein
Si ya tienes conocimientos básicos de programación y estadística y deseas orientar tu carrera hacia el campo del procesamiento del lenguaje natural, este libro es para ti. Introducción al procesamiento del lenguaje natural, de Jacob Einstein, ofrece una perspectiva técnica sobre el PLN, vinculando las técnicas contemporáneas de machine learning con los fundamentos lingüísticos y computacionales de este campo.
22. El big data en la práctica: Cómo 45 empresas de éxito utilizaron el análisis de macrodatos para obtener resultados extraordinarios, por Bernard Marr.
El título lo dice todo. El exitoso autor Bernard Marr ha escrito este libro único y práctico sobre cómo 45 de las empresas más reconocidas están utilizando el big data en sus operaciones diarias. Es una gran fuente de inspiración para otras organizaciones que desean utilizar los datos de forma eficaz y revela algunos de los escollos que hay que evitar a la hora de implementar estas soluciones.
23. Big Data: Comprender cómo los datos impulsan los grandes negocios, por Bill Schmarzo
Escrito por uno de los expertos más destacados en Big Data, Big Data: Comprender cómo los datos impulsan los grandes negocios nos ofrece una visión general completa de qué son los datos y cómo se utilizan. El libro está repleto de consejos prácticos, ideas, técnicas, metodologías y ejemplos reales que ofrecen una visión general de cómo las herramientas y tecnologías de big data pueden acelerar el valor empresarial.
Más información sobre la ciencia de datos
Esperamos que esta lista te haya resultado útil. Los libros son un recurso excelente para aprender ciencia de datos, ya sea para iniciarte en un tema nuevo o para convertirte en un experto. Pero si no tienes tiempo para leer un libro, no te preocupes, tenemos la solución. ¡Echa un vistazo a los siguientes recursos y empieza hoy mismo!
- Un amplio catálogo con más de 380 cursos de ciencia de datos que abarcan programación, estadística, visualización y mucho más.
- Suscríbete a nuestro blog para recibir las últimas novedades.
- Suscríbete al podcast DataFramed.
- Echa un vistazo a nuestras hojas de referencia sobre ciencia de datos.
Temas
