Apéndices
References
Almacenes y Minería de Datos
Twitter
Facebook
LinkedIn
Prefacio
Entendimiento de Negocio
Fundamentos y Stakeholders
1
Gestión de Requerimientos y Stakeholders
2
Roles en el Equipo de Datos y Ciclo de Vida de los Datos
Planeación del Proyecto
3
Planeación Real de un Proyecto: El Business Understanding Canvas
Almacenes de Datos
Arquitectura de almacenes de Datos
4
Introducción
5
Data Warehouse
6
Data Lakehouse
Modelado multidimensional
7
Modelado Multidimensional
8
Esquemas Dimensionales y Redundancia
9
Dimensiones Lentamente Cambiantes (SCD)
10
Ejemplo Completo: Café Norte — Análisis y Construcción de Data Marts (Kimball)
Integración ETL/ELT
11
Introducción a PySpark y Fundamentos ETL
12
Extracción y Fuentes Heterogéneas
13
Transformación, Carga y Pipeline ETL
14
Prácticas ETL en Databricks
15
Orquestación y Herramientas Modernas
Modelado para consumo
16
Computación de cubos de datos OLAP
17
Data Marts: del Almacén de Datos al Consumo por Área de Negocio
18
Consumo Moderno de Data Marts: APIs y Capas Semánticas
Marco Metodológico de Minería de Datos
19
Introducción a la Minería de Datos y sus Frameworks de Proceso
20
Business Understanding - Caso BigMart Sales
Análisis Exploratorio de Datos (EDA)
Fundamentos del EDA
21
Fundamentos del análisis exploratorio de datos
Medidas de localización
22
Medidas de localización
23
Medidas de localización en Big Mart Sales
Medidas de variabilidad
24
Medidas de variabilidad
25
Medidas de variabilidad en Big Mart Sales
Medidas de forma
26
Medidas de forma
27
Medidas de forma en Big Mart Sales
Medidas de heterogeneidad
28
Medidas de heterogeneidad
29
Medidas de heterogeneidad en Big Mart Sales
Medidas de concentración
30
Medidas de concentración
31
Medidas de concentración en Big Mart Sales
Medidas de correlación
32
Medidas de correlación
33
Medidas de correlación en Big Mart Sales
Síntesis del EDA
34
Dashboard global
Análisis Multivariado
35
Análisis Exploratorio Multivariado: De la Estadística Descriptiva al Espacio Multidimensional
36
Análisis Exploratorio Multivariado en la Práctica: Caso Palmer Penguins
Preprocesamiento
37
Introducción al preprocesamiento y la calidad de datos
38
Conversión de Datos, Codificación y Escalado
39
Tratamiento de Ruido, Suavizado y Discretización
40
Tratamiento de datos faltantes
41
Reducción de Dimensionalidad con PCA
42
Reducción de Variables Categóricas y Prueba χ²
Extracción de Patrones
43
Extracción de Patrones: Datos Transaccionales y Espacio de Búsqueda
Reglas de Asociación
44
Reglas de Asociación: Fundamentos, Interpretación y Selección
45
El Algoritmo Apriori: Paso a Paso y Ejemplo Práctico
46
Más Allá del Lift: Métricas Avanzadas, Sensibilidad y Estructura de Reglas
Algoritmos de Patrones Frecuentes
47
FP-Growth y minería de patrones frecuentes
48
Itemsets Cerrados y Maximales: Representaciones Compactas
Patrones Secuenciales
49
Patrones Secuenciales: GSP y PrefixSpan
De Patrones a Clasificación
50
De Patrones a Predicciones: Introducción a la Clasificación con Reglas de Asociación
Clasificación
Fundamentos de Clasificación
51
El problema de clasificación
52
Vecinos más cercanos
Evaluación de Clasificadores
53
Métricas de clasificación
54
Validación y selección de modelos
Árboles y Ensambles
55
Árboles de decisión: ID3 y C4.5
56
CART: árboles binarios, índice de Gini y poda
57
Árboles de regresión y ensambles: bagging, bosques aleatorios y AdaBoost
58
Gradient Boosting y XGBoost
Modelos Lineales
59
Regresión lineal y clasificadores lineales: Fisher y el perceptrón
60
Regresión Logística
61
Máquinas de Soporte Vectorial
Clasificadores Probabilísticos
62
Clasificadores bayesianos
63
Modelos de Mezcla Gaussiana
Redes Neuronales
64
Redes Neuronales para Clasificación
65
Implementación Práctica: PyTorch y JAX
Práctica Integradora
66
Clasificadores Supervisados: Experimento Práctico
Aprendizaje No Supervisado
Clustering
67
Introducción al clustering y métricas de evaluación
68
K-Means y K-Medoids
69
Clustering jerárquico
70
DBSCAN y HDBSCAN
Reducción de Dimensionalidad
71
t-SNE, UMAP y reducción de dimensionalidad no lineal
Apéndices
A
Presentaciones de clase
B
Banco de Proyectos
C
Glosario Unificado de Términos de Datos y Computación en la Nube
D
Preparación para Entrevistas Analíticas
E
Bibliografía y Recursos Adicionales
References
Otros Enlaces
English Version
Contáctame
Apéndices
References
References
E
Bibliografía y Recursos Adicionales