mariosky/databook

Libro introductorio de minería de datos con ejemplos en Python.

Introducción a la Minería de Datos

Actualmente vivimos una nueva fiebre del oro. Todos corremos apresurados en busca de la fortuna que nos espera en nuestros servidores (o en la nube), emocionados por los términos que acaparan los titulares: Data Science, Big Data, Artificial Intelligence. A diario nos llegan noticias de startups o grandes empresas que han encontrado oro aplicando esa nueva técnica para explotar sus datos. El reciente boom ha despertado el interés de profesionistas y estudiantes por conocer y aplicar estas técnicas. Sin embargo, al empezar a leer sobre el tema muchos se desaniman al darse cuenta que para entenderlo a fondo deben estudiar temas de estadística, álgebra lineal, cálculo y por supuesto programación. Este libro pretende darte un panorama general del tema de minería de datos, con un énfasis en los conceptos más que en las matemáticas (pero de que se ven, se ven). Seguiremos un enfoque práctico con ejemplos y ejercicios de programación utilizando el lenguaje python. El objetivo es que al final cuentes con el conocimiento y herramientas necesarias para poder aplicar las técnicas de minería de datos y aprendizaje automático a la solución de problemas reales.

A quién va dirigido

El libro va dirigido principalmente a estudiantes de ingeniería, posgrado y desarrolladores. Se asume que ya sabes programar en algún lenguaje, y tienes nociones de las matemáticas que vimos en la preparatoria. En algunos casos se verán temas opcionales en los que si requerimos los conocimientos de álgebra lineal, cálculo o estadística pero no pasa nada si te los saltas para verlos después.

Contenido

1. Introducción
   1. Introducción
   2. Ejemplo Práctico de KDD
2. Los Datos
   1. Conjuntos de Datos
   2. Pandas
   3. NumPy
   4. NetworkX
3. Preprocesamiento
   1. Calidad de los Datos
   2. Preprocesamiento
4. Visualización
5. Clasificación
6. Evaluación de Modelos
7. Métodos ensemble o de conjuntos.
8. Agrupación
9. Sistemas de Recomendación

Python para análisis de datos

1. Python para programadores
2. SciPy
3. Pandas
4. SciKit
5. TensorFlow

Para generar el libro en formato ePUB

Pre requisitos

1. Git Guía de Instalación
2. Pandoc Guía de Instalación

Para generar un pdf

git clone https://github.com/mariosky/databook.git

cd databook/txt 

pandoc -o databook.epub title.txt \
00.00.md \
00.01.md \
00.introduccion.md \
01.ejercicio_python.md \
02.los_datos.md \
06.calidad.md \
07.preprocesamiento.md \
03.pandas.md \
04.numpy.md \
08.visualizacion.md \
13.inferenciaFuzzy.md \
09.classification.md \
10.tecnicasdeclasificacion.md \
11.asoc.md \
12.clusters.md \
00.02.md \
99.bibliografia.md --webtex --bibliography databook.bib --toc

Licencia

El contenido del libro tiene una licencia cc-by-sa y el código incluido la licencia MIT.

databook's Issues

¿Añadir integración continua?

Añadir integración continua con comprobación ortográfica. Habría que reorganizar un poco el repo, con un subdirectorio exclusivo para los ficheros de texto.

Añade licencia

Una licencia dual, para el código y para el texto. Para el primero, GPL o similar, para el segundo, creative commons cc-by-sa es la más conveniente.

Ortografía?

En introducción

"Como podemos imaginar, este proceso no es trivial, no es simplemente hacer una consulta en una base de datos o en una motor de búsqueda."

No se lee mejor "en un motor de búsqueda"?

IndexError: too many indices for array: array is 1-dimensional, but 2 were indexed

Actually, i try the exercise: 01.ejercicio_python.md.

When i execute the following command:

x = iris[:50,1]

The result expected is wrong.