técnicas analíticas y aprendizaje estadístico, un enfoque práctico text handbook 2018 monographic spa 445 p. : il. (algunas col.), diagrs. ; 24 cm. "Este libro ofrece una visión general de las técnicas de minería de datos ilustradas en aplicaciones, permitiendo entender los conceptos y algoritmos sobre los que se basan y analizar sus resultados tras su aplicación en diversos casos prácticos. Se refuerza el carácter práctico del libro con un formato de tutorial, en el que se dispone de conjuntos de datos sobre los que se irán aplicando las diferentes técnicas explicadas de manera que el alumno pueda generar los resultados. Se ilustran en detalle la aplicación y análisis de técnicas de extracción de conocimiento sobre dominios complejos seleccionados, facilitando una traslación directa de los procedimientos a otros campos de aplicación de interés para el lector. Se plantean las familias de técnicas más importantes que permiten aprender la estructura de los datos con el fin de aplicarlas a problemas de clasificación, predicción numérica y agrupamiento, así como los criterios de evaluación que posibilitan la comparación de los resultados generados por métodos alternativos. LA técnicas avanzadas se plantean como extensiones de estos principios básicos que permiten su aplicación a situaciones más complejas, como datos organizados en estructuras no lineales (vectores de soporte, redes neuronales o conjuntos de clasificadores), o su aplicación a secuencias de datos (filtrado y predicción, segmentación o agrupamiento de series). Por último, se han elegido dominios novedosos de alto interés que requieren técnicas avanzadas y una metodología de análisis detallada, como procesada de series temporales en Internet de Cosas, o datos geolocalizados que permiten hacer regresión hacer regresión espacial."--Cubierta posterior. Introducción : Los datos. Etapas en los procesos de big data. Minería de datos. Estructura de un proyecto de análisis de datos. Aplicaciones. Modelos y tareas. Métodos y técnicas -- Análisis estadístico de datos : Análisis de una variables, estadística. Contrastes de hipótesis. Análisis de relaciones entre variables, evaluación de hipótesis -- Introducción al lenguaje R, lectura, procesado y visualización de datos, data wrangling : Carga y transformaciones de datos. Estadística descriptiva -- Predicción y clasificación con técnicas numéricas : Técnicas numéricas de predicción. Técnicas numéricas de clasificación -- Predicción y clasificación con R: Regresión. Algoritmos de clasificación -- Técnicas de minería de datos : Clustering. Reglas de asociación. Predicción numérica. Clasificación -- Técnicas de minería de datos en R : Agrupamiento, Clustering. Clasificación -- Internet de las cosas y análisis de series temporales. Internet de las cosas. Thinger.io IoT. Series temporales. Análisis de series con R -- Análisis de datos espaciales : Introducción. Tipos de datos. Visualización de datos espaciales. Análisis estadístico (interpolación). Material bibliográfico para estudiantes universitarios, docentes e investigadores Jesús garcía, José M. Molina, Antonio Berlanga. Contiene información académica de los autores en la cubierta posterior. BIbliografía: p. 431-445. Ingeniería en Informática y Sistemas. En español. 005.74 978-958-778-425-1 978-84-947319-6-9 UNAS 200511 20231027110605.0 spa