CIENCIA DE LOS DATOS CON PYTHON

Observaciones generales
Introducción

Capítulo 1. El lenguaje Python
Introducción al manejo de Python
Instalación de Python
El editor IDLE
Tipos de datos
Ejercicios
Las cadenas de caracteres
Valores booleanos (bool)
La interfaz de Python
La versión de Python en uso
Escribir comentarios en Python
Errores en Python
¿Python sabe de un error antes de que se ejecute el código?
Manejo de caracteres
Escribir el primer programa con Python
Tipos de objetos en Python
Manejo de cadenas de caracteres
Listas y tuplas
Funciones integradas
Funciones básicas matemáticas
Operadores de comparación
Operadores de identidad y pertenencia
Manejo de diccionarios
Colecciones (set) de datos
Observaciones sobre secuencias: cadenas, listas y tuplas
Paquetes complementarios de Python
Funciones
Apertura de archivos
Leyendo Archivos
Programas en red
El protocolo de transporte de hipertexto (HTTP)
El navegador web más sencillo
Análisis de html y barrido de la web
Análisis de HTML mediante BeautifulSoup
Los programas
Uso de objetos
Comenzando a Programar
Subdividir un problema – Encapsulación
Los objetos Python
Depuración (debugging)
Glosario

Capítulo 2. Términos, técnicas y tareas de las ciencias de datos
¿Qué es la minería de datos?
¿Qué es la ciencia de los datos?
Los Científicos de datos
Big Data
Nuevos dispositivos
El Big Data requiere de un Big Analytics
Las limitaciones del business intelligence tradicional
La evolución del DWH al ADW
MAD, nueva metodología
Medio Magnético
Ágil
Detallado
Hadoop
HDFS
MAPREDUCE
La Ciencia de los Datos
Adquisición de datos: paso 1
Manipulación de datos: paso 2
Aplicación de técnicas de análisis: paso 3
Reportar la información: paso 4
En acción: paso 5

Capítulo 3. Adquisición y manipulación de datos
Importación y exportación de datos con Python
Caso 1: análisis de datos
Introducción al análisis de datos con Python
Caso 2: El Castillo de Edimburgo
Inicio del análisis
Desmembrando todo

Capítulo 4. Análisis de los datos y diseño y presentación del modelo
Verificando la instalación de Python
Recomendaciones para Windows
La integración
Convertir los resultados en acción
Las diferencias de las métricas dependiendo de las variables y tareas
Datos históricos + datos cercanos a la realidad predicciones
Eliminar filas en el DataFrame Claudia con base a sus valores
Conjunto de datos de ejemplo

Capítulo 5. Evaluación de modelos: la vista ‘minable’ y la comprensión de datos
¿Qué es la vista ‘minable’?
¿Para qué se utiliza una vista ‘minable’?
Técnicas que convierten datos en modelos y procesos de predicción en temas empresariales
Análisis exploratorio
Métodos de estimación y predicción
Un caso manejado con tres técnicas matemáticas
Alisado exponencial simple

Capítulo 6. Proyectos de las ciencias de datos
Planeación y desarrollo de proyectos de la ciencia de los datos
Definición ampliada de las delimitaciones
Tiempos, costos y riesgos de proyectos
Las fases de un proyecto
Definición y creación del plan básico del proyecto
Ajustes e informes
Desarrollo y supervisión del proyecto
Cierre y evaluación de un proyecto
Metodologías empleadas para administrar proyectos
La asignación de recursos
Los costos de un proyecto
Caso del palacio de Edimburgo
Anexos
Referencias

«Esta obra demuestra una metodología de desarrollo de investigaciones, proyectos e iniciativas aplicadas en muchas áreas del conocimiento, que en diversas instancias se fundamentan en base de datos e información proveniente de fuentes internas y externas en el marco de objetivos de las sociedades abiertas al cambio. Se repasa el lenguaje de programación Python muy utilizado en estos casos.

La estructura está compuesta por funciones, algoritmos y metodologías hechos con Python y otras herramientas computacionales, con varias técnicas de corte administrativo y funcional. La intención es facilitar los procesos de análisis en diversos proyectos e investigaciones de acuerdo a un plan estratégico. Los ejercicios disponibles están en un formato de presentación sencilla; son de fácil desarrollo y seguimiento.

Dirigido a aquellas personas que examinan, prueban, ensayan y realizan funciones orientadas a dar respuestas a diversas inquietudes comerciales, administrativas y científicas, analizando múltiples datos y forjando la planeación y desarrollo de proyectos, con un enfoque que busque siempre la efectividad al emplear funciones y algoritmos diseñados e implementados para tales casos.»