Hispanopedia Wiki
Articulo de referencia

Ciencia de datos y análisis predictivo

La primera edición del libro de texto Data Science and Predictive Analytics: Biomedical and Health Applications using R , escrito por Ivo D. Dinov , fue publicada en agosto de 2...

Hispanopedia WikiContenido en espanolLectura gratuita

La primera edición del libro de texto Data Science and Predictive Analytics: Biomedical and Health Applications using R , escrito por Ivo D. Dinov , fue publicada en agosto de 2018 por Springer . [ 1 ] La segunda edición del libro se imprimió en 2023. [ 2 ]

Este libro de texto abarca algunos de los fundamentos matemáticos básicos, las técnicas computacionales y los enfoques de inteligencia artificial utilizados en la investigación y las aplicaciones de la ciencia de datos . [ 3 ]

Mediante el uso de la plataforma de computación estadística R y una amplia gama de estudios de casos biomédicos, los 23 capítulos de la primera edición del libro proporcionan ejemplos explícitos de importación, exportación, procesamiento, modelado, visualización e interpretación de conjuntos de datos grandes, multivariados, incompletos, heterogéneos, longitudinales e incompletos ( big data ). [ 4 ]

Estructura

Índice de la primera edición

La primera edición del libro de texto Ciencia de Datos y Análisis Predictivo (DSPA) [ 1 ] está dividida en los siguientes 23 capítulos, cada uno de los cuales se basa progresivamente en el contenido anterior.

  1. Motivación
  2. Fundamentos de R
  3. Gestión de datos en R
  4. Visualización de datos
  5. Álgebra lineal y cálculo matricial
  6. Reducción de dimensionalidad
  7. Aprendizaje perezoso: Clasificación mediante vecinos más cercanos
  8. Aprendizaje probabilístico: Clasificación mediante Naive Bayes
  9. Clasificación mediante el método de dividir y conquistar en árbol de decisiones
  10. Pronóstico de datos numéricos mediante modelos de regresión
  11. Métodos de aprendizaje automático de caja negra: redes neuronales y máquinas de vectores de soporte
  12. Aprendizaje de las reglas de la asociación Apriori
  13. Agrupamiento k-Means
  14. Evaluación del rendimiento del modelo
  15. Mejorar el rendimiento del modelo
  16. Temas especializados de aprendizaje automático
  17. Selección de variables/características
  18. Modelado lineal regularizado y selección de variables controladas
  19. Análisis de grandes conjuntos de datos longitudinales
  20. Procesamiento del lenguaje natural/Minería de textos
  21. Predicción y validación cruzada estadística interna
  22. Optimización de funciones
  23. Aprendizaje profundo, redes neuronales

Tabla de contenido de la segunda edición

La edición revisada y significativamente reorganizada del libro (2023) [ 2 ] amplía y moderniza los principios matemáticos, los métodos computacionales, las técnicas de ciencia de datos, el aprendizaje automático basado en modelos y los algoritmos de inteligencia artificial sin modelos que se presentan. Los 14 capítulos de la nueva edición comienzan con una introducción y desarrollan progresivamente las habilidades fundamentales para llegar de forma natural a las aplicaciones biomédicas del aprendizaje profundo.

  1. Introducción
  2. Visualización básica y análisis exploratorio de datos
  3. Álgebra lineal, cálculo matricial y modelado de regresión.
  4. Reducción de dimensionalidad lineal y no lineal
  5. Clasificación supervisada
  6. Métodos de aprendizaje automático de caja negra
  7. Métodos de aprendizaje cualitativos: minería de texto, procesamiento del lenguaje natural y aprendizaje de reglas de asociación Apriori.
  8. Agrupamiento no supervisado
  9. Evaluación, validación y mejora del rendimiento del modelo
  10. Temas especializados de aprendizaje automático
  11. Importancia de las variables y selección de características
  12. Análisis de grandes conjuntos de datos longitudinales
  13. Optimización de funciones
  14. Aprendizaje profundo, redes neuronales

Recepción

Los materiales del libro de texto Ciencia de Datos y Análisis Predictivo (DSPA) han sido revisados ​​por pares en el Journal of the American Statistical Association , [ 5 ] el ISI Review Journal del International Statistical Institute , [ 3 ] y el Journal of the American Library Association . [ 4 ] Muchas publicaciones académicas hacen referencia al libro de texto DSPA. [ 6 ] [ 7 ]

A partir del 17 de enero de 2021, la versión electrónica de la primera edición del libro ( ISBN) 978-3-319-72347-1) está disponible gratuitamente en SpringerLink [ 8 ] y se ha descargado más de 6 millones de veces. El libro de texto está disponible a nivel mundial en formato impreso ( tapa dura y tapa blanda ) y electrónico ( PDF y EPub ) en muchas bibliotecas universitarias [ 9 ] y se ha utilizado para clases de ciencia de datos , estadística computacional y análisis en diversas instituciones. [ 10 ]

Referencias

  1. 1 2 Dinov, Ivo (2018). Ciencia de datos y análisis predictivo: aplicaciones biomédicas y de salud utilizando R. Springer.
  2. 1 2 Dinov, Ivo (2023). Ciencia de datos y análisis predictivo: aplicaciones biomédicas y sanitarias con R. The Springer Series in Applied Machine Learning. Springer. doi : 10.1007/978-3-031-17483-4 . ISBN 978-3-031-17482-7. S2CID 256875731 . 
  3. 1 2 Capaldi, Mindy (abril de 2019) [5 de abril de 2019]. "(Revisión) Ciencia de datos y análisis predictivo: aplicaciones biomédicas y de salud con R" . International Statistical Review . 87 (1): 181– 182. doi : 10.1111/insr.12317 . S2CID 132379032 . 
  4. 1 2 Saracco, Benjamin (2020) [Abril 2020]. "Revisión de Ciencia de Datos y Análisis Predictivo: Aplicaciones Biomédicas y de Salud Usando R" . Journal of the Medical Library Association . 108 (2): 344. doi : 10.5195/jmla.2020.901 . PMC 7069824. S2CID 214729817 .  
  5. ↑ Qiu, Xing (2024). "Reseña del libro: Ciencia de datos y análisis predictivo, 2.ª ed . " Journal of the American Statistical Association . 119 (546): 1692– 1693. doi : 10.1080/01621459.2024.2303323 .
  6. ↑ "Altmetric – Ciencia de datos y análisis predictivo" .
  7. ↑ "Google Académico" .
  8. ↑ Dinov, Ivo D. (2018). Ciencia de datos y análisis predictivo . doi : 10.1007/978-3-319-72347-1 . ISBN 978-3-319-72346-4. S2CID 52098523 . 
  9. ↑ Disponibilidad de libros de texto en la biblioteca
  10. ↑ Cursos que utilizan el libro de texto DSPA
  • Libro de texto DSPA (1.ª edición) disponible en el sitio web de Springer y en SpringerLink para descargar en formato electrónico.
  • El libro de texto DSPA (2.ª edición) de Springer se publica en la serie Springer Series in Applied Machine Learning (SSAML).
  • Sitio web de apoyo al libro de texto