Reseña

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. Las 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 procesado de series temporales en Internet de las Cosas, o datos geolocalizados que permiten hacer regresión espacial. 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. Las 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 procesado de series temporales en Internet de las Cosas, o datos geolocalizados que permiten hacer regresión espacial. 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. Las 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 procesado de series temporales en Internet de las Cosas, o datos geolocalizados que permiten hacer regresión espacial. 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. Las 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 procesado de series temporales en Internet de las Cosas, o datos geolocalizados que permiten hacer regresión espacial.