Cada día generamos cantidades enormes de datos: transacciones bancarias, publicaciones en redes sociales, sensores en ciudades inteligentes, registros médicos electrónicos.
La capacidad de convertir esos datos en conocimiento útil es lo que separa a las organizaciones que avanzan de las que se quedan atrás. La minería de datos, también conocida como descubrimiento de conocimiento en bases de datos (KDD), es la disciplina que proporciona las técnicas y herramientas para encontrar patrones ocultos, tendencias y relaciones en conjuntos de datos que, a simple vista, parecen caóticos.
El auge de la inteligencia artificial y el aprendizaje automático ha puesto la minería de datos en el centro de la toma de decisiones en empresas, gobiernos e instituciones académicas. Pero más allá del bombo mediático, la minería de datos sigue siendo un campo que exige comprender los fundamentos: cómo preparar los datos, qué algoritmos aplicar según el problema y cómo evaluar si los resultados son realmente útiles. Ahí es donde entra este libro.
Introducción al libro
Introducción a la Minería de Datos es un libro práctico que ofrece un panorama general del proceso completo de extracción de conocimiento a partir de datos, con un énfasis en los conceptos fundamentales y su implementación en Python.
El autor, Mario Garcia Valdez, asume que el lector ya tiene experiencia básica en programación y nociones de matemáticas de nivel preparatoria, por lo que no pierde tiempo explicando qué es un bucle o una variable, sino que va directo al corazón del tema.
El libro está pensado para estudiantes de ingeniería, profesionales del desarrollo que quieren incursionar en ciencia de datos y cualquier persona con base técnica que desee entender cómo funcionan los algoritmos de clasificación, agrupamiento y recomendación. Los capítulos opcionales que requieren álgebra lineal, cálculo o estadística se pueden saltar sin perder el hilo principal, lo que lo hace accesible incluso si las matemáticas avanzadas no son tu fuerte.
Contenido del libro
La obra está organizada en torno al flujo de trabajo clásico de la minería de datos. Arranca con un ejemplo práctico del proceso KDD que sirve como mapa de ruta, luego profundiza en la manipulación de datos con Pandas y NumPy, el preprocesamiento y la calidad de los datos, y la visualización como herramienta de exploración. A partir de ahí, entra de lleno en las técnicas de modelado: clasificación, métodos ensemble, agrupamiento (clustering), sistemas de recomendación e inferencia difusa.
Cada tema incluye ejemplos en Python que el lector puede ejecutar y modificar. El código fuente completo está disponible en el repositorio oficial del libro, junto con instrucciones para generar el formato ePUB o PDF usando Pandoc. Esto permite tener el libro en el dispositivo que prefieras y mantenerlo actualizado con las contribuciones de la comunidad.
Índice del libro
- 1. Introducción — ¿Qué es la minería de datos?
- 2. Ejemplo Práctico de KDD
- 3. Los Datos — Conjuntos de datos, Pandas, NumPy, NetworkX
- 4. Preprocesamiento — Calidad de los datos y preparación
- 5. Visualización de datos
- 6. Clasificación
- 7. Evaluación de Modelos
- 8. Métodos ensemble o de conjuntos
- 9. Agrupación (clustering)
- 10. Sistemas de Recomendación
- Apéndice: Python para análisis de datos — SciPy, Pandas, Scikit-Learn, TensorFlow
Datos del libro
- Título: Introducción a la Minería de Datos
- Autor: Mario Garcia Valdez
- Editorial: Autopublicado
- Nivel: Intermedio
- Categoría principal: Ciencia de datos
- Subcategoría: Minería de datos
- Idioma: Español
- Licencia: CC BY-SA 3.0 (Creative Commons Attribution-ShareAlike 3.0 Unported)
Más libros en: Análisis de datos, Ciencia de datos
Aviso legal: Este libro se comparte únicamente con fines educativos. El contenido se distribuye bajo licencias Creative Commons o permisos explícitos de sus autores. OpenLibro no aloja material con derechos reservados.