Python para la Ciencia de Datos

Del entorno reproducible al aprendizaje automático: 16 capítulos y apéndices, con el código junto al texto.

Libro completo, publicado en abierto y en revisión continua. Recorre el camino entero del análisis de datos con Python: el entorno de trabajo y el flujo reproducible, el modelo de datos del lenguaje, las estructuras integradas y su coste, NumPy, pandas y polars, el ciclo de limpieza y transformación, estadística e inferencia, visualización y aprendizaje automático con scikit-learn, hasta cerrar con privacidad, reproducibilidad, despliegue y ética. Tres apéndices repasan el álgebra, la probabilidad esencial y el entorno de referencia.

• Leer en línea: mmunozpl.github.io/PythonCienciaDeDatos
• Fuente: github.com/mmunozpl/PythonCienciaDeDatos

Cada libro conserva su copyright propio; el código y los ejemplos se publican bajo MIT.