Ciencia de Datos. Un enfoque practico de tecnologías, herramientas y aplicaciones

Descripción

La Ciencia de Datos es multidisciplinar y ha adquirido gran popularidad en los últimos años debido al soporte de disciplinas como las matemáticas, estadística, programación de computadoras, inteligencia artificial, aprendizaje automático, investigación tradicional, … junto a la transversalidad de otras de gran impacto en la década actual como la computación en la nube, el internet de las cosas, las cadenas de bloques (blockchain) o la ciberseguridad.
Por estas circunstancias, el uso de la ciencia de datos ha crecido de modo significativo en organizaciones y empresas, así como en los campos académicos y de investigación. El porcentaje de penetración de la ciencia de datos en las empresas ha crecido considerablemente y continúa creciendo, lo que está motivando la continua demanda de los científicos de datos y roles profesionales asociados como analista de datos, ingeniero de datos, ingeniero de aprendizaje automático, …
Así pues, la ciencia de datos se ha convertido en asignatura obligatoria en numerosas carreras de ingeniería (informática, sistemas, telecomunicaciones, industrial…), de ciencias (matemáticas, estadística y probabilidad, físicas..) o ciencias económicas, empresariales, marketing o mercadotecnia, comunicaciones o ciencias de la información, y crece en carreras como sociología por la importancia del uso de la ética, la privacidad, etc.
De igual forma han crecido de modo espectacular tanto en Europa, España, Estados Unidos o Latino América, la implantación de carreras de grado específicas de ciencia de datos, así como másteres y cursos de especialización y profesionales, así como en estudios de Formación Profesional. Y, naturalmente, las líneas de investigación en ciencia de datos también han aumentado junto con el crecimiento de la inteligencia de negocios, la inteligencia artificial o el aprendizaje automático. Por todas estas razones, los objetivos fundamentales del contenido del libro son cumplir con la gran parte de todas estas demandas, y tratar de llegar al mayor número posible de niveles, desde iniciación y medio hasta niveles avanzados y de especialización. Para ello se incluyen los contenidos más requeridos en la formación del científico de datos, junto con una amplia bibliografía, recursos web, y un portal web con contenidos generalistas y de especialización para poder ampliar los conocimientos descritos en todos aquellos lectores que deseen profundizar en la ciencia de datos.

AUTORES

Luis Joyanes

Presidente de la Fundación I+D del Software Libre. Dr. Ingeniero en Informática por la Universidad de Oviedo y Dr. en Sociología por la Universidad Pontificia de Salamanca. Dr. Honoris Causa por la Universidad Privada Antenor Orrego de Trujillo (Perú); por la Universidad San Martín de Porres (Perú) y por la Universidad Inca Garcilaso de la Vega (Perú). Líder Académico del TEC de Monterrey, México, campus Querétaro. En abril de 2018 recibió la Mención Honorífica del Doctorado en Ingeniería de la Universidad Distrital Francisco José de Caldas, de Bogotá (Colombia). Ha escrito más de 40 libros de TIC y más de 150 artículos científicos y profesionales.

CONTENIDO

PARTE I. FUNDAMENTOS DE CIENCIA DE DATOS
Capítulo 1. Ciencia de Datos: Conceptos generales,
tecnologías, habilidades y aplicaciones
Capítulo 2. El ecosistema de Datos: Big Data en la Ciencia de Datos
Capítulo 3. Proceso de Ciencia de Datos y los Científicos de Datos

PARTE II. ANALÍTICA DE DATOS EN CIENCIA DE DATOS
Capítulo 4. Analítica de Datos y Analítica de Big Data
Capítulo 5. Técnicas de Minería de Datos y de Aprendizaje Automático
Capítulo 6. Visualización de Datos

PARTE III. LOS PILARES TECNOLÓGICOS DE LA CIENCIA DE DATOS
Capítulo 7. Computación en la Nube y Ciencia de Datos:
Conceptos, modelos y aplicaciones
Capítulo 8. Computación en la Nube Moderna: Arquitectura,
Edge Computing, Fog Computing, Cloud Native
(Microservicios y Contenedores) y Computación “Sin servidor”.
Capítulo 9. Almacenamiento de Datos: Data Warehouses
(Almacenes de Datos) y Data Lakes (Lagos de Datos) y Data
Lakehouse (Almacenes de lagos de datos)
Capítulo 10. Inteligencia Artificial y su impacto en la Ciencia de Datos
Capítulo 11. Inteligencia Artificial del futuro: Inteligencia
Artificial Conversacional y Inteligencia Artificial Generativa.
El camino a la Inteligencia Artificial General (AGI)
Capítulo 12. Internet de las Cosas: Los datos de los objetos
inteligentes en la Ciencia de Datos
Capítulo 13. Blockchain: Seguridad y transparencia de los datos

PARTE IV. SEGURIDAD, PRIVACIDAD, PROTECCIÓN Y ÉTICA DE LOS DATOS
Capítulo 14. Seguridad y Ciberseguridad en Ciencia de Datos
Capítulo 15. Ética, privacidad, protección de datos y
COMPLIANCE en la ciencia de datos : Normas legales y
regulaciones, consorcios y organizaciones

PARTE V. EL FUTURO DE LA CIENCIA DE DATOS
Capítulo 16. Tendencias tecnológicas disruptivas en Ciencia
de Datos en el horizonte 2025: El futuro del trabajo