Incluye contenido

Prefacio. -- Objetivos y enfoque del libro. -- Público objetivo y prerrequisitos. -- Organización del libro. -- Introducción. -- 1.1. Ciencia de datos y áreas relacionadas. -- 1.2. Ciclo de vida de un proyecto de análisis de datos. -- 1.3. Sistemas intensivos en datos y Big Data. -- Principios de estadística. -- 2.1. Observaciones y variables. -- 2.2. Fundamentos de estadística descriptiva 2.0. -- 2.3. Fundamentos de estadística inferencial. -- 2.4. Fundamentos de series de tiempo. -- 3. Fundamentos de análisis estadístico en R. -- 3.1. Introducción. -- 3.2. Programación en R. -- 3.3. Funciones estadísticas en R. -- 3.4. Visualización en R. -- 4. Fuentes y preparación de datos en R. -- 4.1. Archivos. -- 4.2. Procesamiento de cadenas de caracteres. -- 4.3. Bases de datos relacionales. -- 4.4 Fuentes sindicadas. -- 4.5. Web scraping. -- 4.6. Preparación de datos. -- 5. Fundamentos de aprendizaje de máquina en R. -- 5.1. Introducción al aprendizaje de máquina. -- 5.2. Tipos de algoritmos de aprendizaje de máquina. -- 5.3. Modelos de clasificación. -- 5.5. Modelos de segmentación. -- 6. Caso de estudio: reglas de asociación. -- 6.1. Reglas de asociación. -- 6.2. Algoritmo a priori. -- 6.3. Caso de estudio: reglas de asociación en R.