Libro 8

Ciencia de Datos

Transformar datos en evidencia para comprender, explicar y decidir

Índice maestro

Parte I — Del dato a la evidencia

Prólogo Prólogo — Tener datos no significa comprender Capítulo 1 Del dato a la evidencia Capítulo 2 Preguntas, decisiones y problema analítico Capítulo 3 Tipos de datos, estructura y significado Capítulo 4 Calidad de datos y confiabilidad

Parte II — Preparar y explorar

Capítulo 5 Fuentes, captura y muestreo Capítulo 6 Preparar datos: limpiar, integrar y transformar Capítulo 7 Explorar antes de modelar Capítulo 8 Estadística descriptiva para comprender datos

Parte III — Visualizar, inferir y explicar

Capítulo 9 Visualización y comunicación Capítulo 10 Distribuciones, variabilidad y anomalías Capítulo 11 Asociación, correlación y causalidad Capítulo 12 Muestreo, inferencia e incertidumbre

Parte IV — Modelar y evaluar

Capítulo 13 Variables, representación y features Capítulo 14 Modelos predictivos y líneas base Capítulo 15 Evaluar modelos: error, validación y sobreajuste Capítulo 16 Segmentación y aprendizaje no supervisado

Parte V — Datos que evolucionan y llegan a producción

Capítulo 17 Datos temporales y pronóstico Capítulo 18 Análisis reproducible, pipelines y gobierno del dato

Parte VI — IA, criterio profesional e integración

Capítulo 19 IA, sesgos y rol profesional en Ciencia de Datos Capítulo 20 Proyecto integrador de Ciencia de Datos