Escrito por Tyler Folkman en Planeta Chatbot.
Recuerdo cuando estaba aprendiendo data science por primera vez. Había demasiados recursos y demasiados para aprender que era fácil perderse. Exploré muchas vías que, si bien eran interesantes, en retrospectiva, no eran la forma más eficiente de comenzar. Si recién estás comenzando tu viaje y quieres los 3 mejores libros para ayudar a enfocar tus estudios, este es el artículo que estás buscando.
[cta]
Tabla de contenidos
Python para análisis de datos
Comienzo con el clásico libro Pandas escrito por el creador del propio Pandas: Python for Data Analysis . Seré el primero en admitir que este no es un libro perfecto. Se lee casi como un libro de cocina, pero he encontrado que es la mejor manera de comenzar con Python para el análisis de datos . Te enseñará cómo configurar con Python, así como cargar, discutir, limpiar y visualizar datos.
Para empezar, creo que es una estrategia mucho mejor comenzar con el procesamiento de datos y las piezas de análisis, ya que te ayuda a aprender a entender realmente tus datos y enfatiza la importancia de todos los pasos que deben suceder antes del machine learning. Además, esta tiende a ser la mejor manera de sentirse cómodo usando Python para la data science y te prepara bien para el próximo libro.
Aprendizaje automático práctico
Ahora que te sientes cómodo con Python y manipulando datos, ¡es hora de comenzar a modelar! machine learning práctico con Scikit-Learn, Keras y TensorFlow es, con mucho, el mejor libro para comenzar con el machine learning. Este libro te llevará desde la regresión lineal hasta las GAN e implementará el deep learning a escala. Esa es una cantidad increíble de material para cubrir y el autor lo hace muy bien.
Definitivamente, este libro te llevará un tiempo, pero descubrí que es muy amigable para los principiantes, por lo que con esfuerzo, creo que casi cualquier persona podría leerlo. Y si lo haces, conseguirás una base increíble de conocimiento de machine learning y experiencia práctica.
Introducción al aprendizaje estadístico
Por último, creo que todos deberían leer una Introducción al aprendizaje estadístico. Después de los dos primeros libros, hace un gran trabajo al agregar un punto de vista estadístico a tu conocimiento. Cubre algunos de los mismos algoritmos que el machine learning práctico, pero con una curva más estadística. También profundiza mucho más en el mundo de los modelos de regresión y proporciona un código R para una aplicación práctica.
El libro fue escrito para ser una “visión general accesible del campo del aprendizaje estadístico” y definitivamente hace su trabajo. Sin embargo, para hacerlo, el libro se centra más en explicaciones intuitivas que en matemáticas. Por lo tanto, serían necesarios otros libros para profundizar aún más.
Una base fuerte
Elegí estos tres libros como punto de partida porque una vez terminado, creo que te encontrarás con una base sólida para explorar casi cualquier área de la data science con más profundidad. Como estos libros están dirigidos a las personas que ingresan al campo, el área principal que puedes encontrar es el rigor matemático. Sin embargo, si eres como yo, comenzar con los métodos prácticos e intuitivos ayuda a desarrollar mi motivación para profundizar. ¡Espero que estos libros te ayuden tanto como a mí!