Minería de Datos
Prefacio
Este libro nace con el propósito fundamental de introducir al lector en el mundo de la Ciencia de Datos y la Minería de Datos (MD) utilizando el lenguaje R como herramienta central de computación estadística y visualización. En la era actual del Big Data, los datos masivos por sí mismos carecen de valor; requieren un proceso de refinamiento analítico para convertirse en conocimiento que impulse la innovación.
El espíritu que guía estas páginas es el de “aprender haciendo” (learn by doing). Por ello, el texto no se limita a la descripción de algoritmos, sino que se sumerge en casos de estudio que reflejan los desafíos reales del analista: la interacción con diversas fuentes de datos, la lucha contra el ruido y la incertidumbre, y la necesidad de comunicar resultados técnicos a audiencias de negocios.
Estructura del libro
- Fundamentos y Adquisición: Una discusión sobre la epistemología del nuevo inductivismo y técnicas de captura de datos.
- Pre-procesamiento y EDA: Técnicas de limpieza, transformación y diagnóstico visual, reconociendo que la preparación de los datos es la fase más laboriosa y crítica del proceso.
- Modelado No Supervisado: Métodos para encontrar estructuras naturales en los datos sin etiquetas previas, incluyendo segmentación (Clustering) y reducción de dimensionalidad (PCA).
Reproducibilidad
Un pilar central de esta obra es la reproducibilidad (Torgo 2017). Gracias al uso de Quarto, todos los ejemplos incluyen el código necesario para que el lector pueda replicar los análisis, generar sus propios informes dinámicos y dashboards, garantizando que el conocimiento descubierto sea auditable y transparente.
Este texto está dirigido a estudiantes de economía, inteligencia de negocios y profesionales que deseen transitar de una toma de decisiones intuitiva a una fundamentada en datos.
Dataset
Este apartado se actualizará periódicamente con un listado de fuentes de datos disponibles en el repositorio, con el fin de dar seguimiento a los temas discutidos en el libro.