Full Code of camartinezbu/recursos_ciencia_datos for AI

Repository: camartinezbu/recursos_ciencia_datos
Branch: main
Commit: 3c91af98bdf6
Files: 1
Total size: 10.0 KB

Directory structure:
gitextract_0ttj_hk2/

└── README.md

================================================
FILE CONTENTS
================================================

================================================
FILE: README.md
================================================
# Recursos para aprender Ciencia de Datos

## Hola 👋

¡Te doy la bienvendida a este repositorio de recursos para aprender Ciencia de Datos! Aquí encontrarás una colección de enlaces a libros, videos y otros materiales que te ayudarán a adquirir habilidades en este apasionante campo, ya sea que estés dando tus primeros pasos o que tengas experiencia previa. Estos enlaces están clasificados según el lenguaje que trabajan. Por ahora, hay una sección para R y una para Python.

## Enlaces para R 

| Tema | Formato | Dificultad | Año de publicación | Recurso | Resumen | Costo |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| Introducción | Libro en línea | 🟢⚪️⚪️ | 2017 | [R for Data Science](https://r4ds.had.co.nz) de Hadley Wickham y Garett Grolemund | Introducción a la programación en R para ciencia de datos. Este es un gran punto de partida si nunca has programado en este lenguaje. | Gratis |
| Storytelling | Libro en línea | 🟢⚪️⚪️ | 2023 | [Telling Stories with Data](https://tellingstorieswithdata.com) de Rohan Alexander | Se enfoca en explicar el flujo de trabajo para comunicar los hallazgos de ciencia de datos. No aplica únicamente para R, pero el desarrollo de los ejercicios son en este lenguaje. | Gratis |
| Visualización de datos | Libro en línea | 🟡🟡⚪️ | 2023 | [ggplot2: Elegant graphics for Data Analysis](https://ggplot2-book.org) de Hadley Wickham | Explicación del _Grammar of Graphics_ que está detrás del paquete ggplot2, junto con ejemplos prácticos para que puedas construir tus gráficos. | Gratis |
| Dashboards | Libro en línea | 🟢⚪️⚪️ | 2020 | [Mastering Shiny](https://mastering-shiny.org) de Hadley Wickham | Explica cómo funciona la construcción de tableros de visualización usando Shiny, desde lo más básico hasta el concepto de reactrividad y mejores prácticas. | Gratis |
| Dashboards | Libro en línea | 🟡🟡⚪️ | 2020 | [Engineering Production-Grade Shiny Apps](https://engineering-shiny.org/index.html) de Colin Fay, Sébastien Rochette, Vincent Guyader y Cervan Girard. | Este libro aborda buenas prácticas para el diseño de apps con shiny, relacionadas con UX, prototipos, seguridad y despliegue. | Gratis |
| Análisis de textos | Libro en línea | 🟡🟡⚪️ | 2020 | [Text Mining with R](https://www.tidytextmining.com) de Julia Silge y David Robinson. | Este libro es una gran introducción a las principales técnicas de análisis de textos como n-gramas, Tf-Idf, análisis de sentimientos, entre otros. | Gratis |
| Econometría | Libro en línea | 🟡🟡⚪️ | 2016 | [Principles of Econometrics with R](https://bookdown.org/ccolonescu/RPoE4/) de Constantin Colonescu | Contiene explicaciones para el modelo lineal, series de tiempo, modelos VEC, VAR, entre otros. | Gratis |
| Datos espaciales | Libro en línea | 🟢⚪️⚪️ | 2023 | [Geocomputation with R](https://r.geocompx.org/index.html) de Robin Lovelace, Jakub Nowosad y Jannes Muenchow  | Una introducción a los datos georreferenciados en R, con un buen resumen de los conceptos necesarios para trabajar con ellos en cualquier lenguaje. | Gratis |
| Datos espaciales | Libro en línea | 🟡🟡⚪️ | 2023 | [Intro to GIS and Spatial Analysis](https://mgimond.github.io/Spatial/index.html) de Manuel Gimond  | Explica con ejemplos prácticos cómo trabajar con información georreferenciada usando paquetes como sp, sf, raster, tmap y ggplot2 | Gratis |
| Datos espaciales | Libro en línea | 🟡🟡⚪️ | 2019 | [Using Spatial Data with R](https://cengel.github.io/R-spatial/) de Claudia A. Engel | Un libro corto sobre el trabajo con datos georreferenciados en R. Especialmente útil si quieres comparar cómo se hacen los mismos procedimientos en sf y sp. | Gratis |
| Datos espaciales | Libro en línea | 🟡🟡⚪️ | 2021 | [Visualising WRC Rally Stages With rayshader and R](https://rallydatajunkie.com/visualising-rally-stages/index.html) de Tony Hirst | Una exploración de los paquetes raster y rayshader, basada en datos del World Rally Championship. | Gratis |
| Machine Learning | Libro en línea | 🟡🟡⚪️ | 2017 | [An Introduction to Machine Learning](https://bioinformatics-training.github.io/intro-machine-learning-2017/) de Sudhakaran Prabakaran, Matt Wayland y Chris Penfold |  Ofrece un recorrido por algunos de los algoritmos de machine learning más comunes como _Nearest Neighbors_, _Random Forests_, _Support Vector Machines_, entre otros.  | Gratis |
| Machine Learning | Libro en línea | 🟡🟡⚪️ | 2022 | [Supervised Machine Learning for Text Analysis in R](https://smltar.com) de Emil Hvitfeldt y Julia Silge |  Contiene una descripción de las tareas de preprocesamiento y análisis de textos con herramientas de Machine Learning en R  | Gratis |
| Análisis de redes | Libro en línea | 🟡🟡⚪️ | 2022 | [Handbook of Graphs and Networks in People Analytics](https://ona-book.org/index.html) de Keith McNulty | Explica los conceptos básicos de teroría de grafos y análisis de redes de la mano de ejemplos prácticos y el paquete igraph. | Gratis |
| Otros | Libro en Línea | 🔴🔴🔴 | 2019 | [Advanced R](https://adv-r.hadley.nz/index.html) de Hadley Wickham | Entra en detalle sobre temas avanzados de programación en R, incluyendo temas puntuales de asignación de variables, programación funcional y programación orientada a objetos de la manos de objetos tipo S3 y S4. | Gratis |
| Otros | Libro en Línea | 🔴🔴🔴 | 2022 | [R Packages](https://r-pkgs.org) de Hadlye Wickham | Explica ael flujo de trabajo para escribir, probar, documentar y distribuir paquetes ene este lenguaje de programación. | Gratis |


## Enlaces para Python

| Tema | Formato | Dificultad | Año de publicación | Recurso | Resumen | Costo |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| Introducción | Libro | 🟢⚪️⚪️ | 2023 | [Python Data Science Handbook](https://jakevdp.github.io/PythonDataScienceHandbook/) de Jake VanderPlas | Libro de introducción a la ciencia de datos con Python. Cubre una introducción a los cuadernos de Jupyter y el uso de librerías como NumPy, Pandas, Matplotlib y Scikit-learn. | Gratis |
| Introducción | Libro | 🟢⚪️⚪️ | 2019 | [Intro to Python for Computer Science and Data Science: Learning to Program with AI, Big Data, and The Cloud](https://www.amazon.com/-/es/Paul-Deitel/dp/0135404673/) de Paul Deitel y Harvey Deitel | Introducción a la programación en Python para ciencia de datos. Este es un gran punto de partida si nunca has programado en este lenguaje. | Pago |
| Introducción | Libro | 🟢⚪️⚪️ | 2022 | [Python Programming for Economics and Finance](https://python-programming.quantecon.org/intro.html) de Thomas J. Sargent y John Stachurski | Texto de introducción a la programación con Python, con ejemplos orientados a economía y finanzas. | Gratis |
| Machine Learning | Libro | 🟢⚪️⚪️ | 2022 | [Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow](https://www.amazon.com/-/es/Aurélien-Géron/dp/1098125975/) de Aurelién Géron | Explicación de conceptos relacionados con Machine Learning para principiantes, acompañados de la implenentación del código en scikit-learn y Tensorflow. | Pago |
| Big data, Machine learning | Libro | 🟢⚪️⚪️ | 2023 | [Big data, machine learning y data science en python](https://www.ra-ma.es/libro/big-data-machine-learning-y-data-science-en-python_145747/) de José Manuel Ortega | El libro está dirigido aquellos lectores que estén trabajando en proyecto relacionados con big data y busquen identificar las características de una solución de Big Data, los datos asociados a estas soluciones, la infraestructura requerida, y las técnicas de procesamiento de esos datos. | Pago |
| Deep Learning | Libro en línea | 🟡🟡⚪️ | 2021 | [Zero to Mastery TensorFlow for Deep Learning book](https://dev.mrdbourke.com/tensorflow-deep-learning/) de Daniel Bourke | Enseña los fundamentales de Tensorflow de la mano de ejercicios prácticos, con el objetivo de pasar el examen de certificación de Tensorflow Developer. | Gratis |
| Deep Learning | Libro en línea | 🟡🟡⚪️ | 2021 | [Learn PyTorch for Deep Learning: Zero to Mastery book](https://dev.mrdbourke.com/tensorflow-deep-learning/) de Daniel Bourke | Enseña los fundamentales de PyTorch de la mano de ejercicios prácticos. | Gratis |
| Deep Learning | Curso en línea | 🟡🟡⚪️ | 2021 | [NLP Course](https://huggingface.co/learn/nlp-course/chapter1/1) de Huggingface | Explora algunos flujos de trabajo de Procesamiento de Lenguaje Natural de la mano del ecosistema de librerías de Huggingface, incluyendo 🤗Transformers, 🤗Datasets, 🤗Tokenizers, y 🤗Accelerate | Gratis |
| Deep Learning | Materiales de clase | 🔴🔴🔴 | 2023 | [CS231n Convolutional Neural Networks for Visual Recognition](https://cs231n.github.io) de Stanford | Matierales de la clase de Stanford en las que se aborda la teoría de las redes neuronales y aplicaciones en código para tareas de visión artificial. | Gratis |
| Deep Learning | Curso en línea | 🔴🔴🔴 | 2022 | [Deep RL Course](https://huggingface.co/learn/deep-rl-course/unit0/introduction) de Huggingface | Explica conceptos basicos del aprendizaje reforzado, para implementar aprendizaje reforzado profundo en librerías como Pytorch, Optuna y Unity ML-Agents. | Gratis |
| Econometría | Libro en línea | 🟡🟡⚪️ | 2023 | [Quantitaive Economics with Python](https://python.quantecon.org/intro.html) de Thomas J. Sargent y John Stachurski | Libro con materiales enfocados en la modelación económica, que cubre temas como la programación lineal y dinámica, además de modelos de crecimiento, búsqueda de empleo y valoración de activos. | Gratis |
| Econometría | Libro en línea | 🟡🟡⚪️ | 2023 | [Advanced Quantitative Economics with Python](https://python-advanced.quantecon.org/intro.html) de Thomas J. Sargent y John Stachurski | Libro con materiales enfocados en la modelación económica, que cubre temas como modelos de múltiples agentes, tributación óptima, reisgo fiscal, entre otros. | Gratis |


## Contribuye 🤓

Tu participación es vital para enriquecer aún más este repositorio. Si conoces algún recurso que consideras que debería estar incluido en esta lista, o si tienes alguna sugerencia para mejorar la estructura del repositorio, no dudes en contribuir. Puedes abrir un [issue](https://github.com/camartinezbu/recursos_ciencia_datos/issues) o crear un [pull request](https://github.com/camartinezbu/recursos_ciencia_datos/pulls).