5 libros gratuitos sobre Data Science e Inteligencia Artificial

¿Te ha gustado nuestro artículo? ¡Vota!

Sabemos que la Inteligencia Artificial y el Data Science no son temas sencillos, por eso, hace unas semanas ya te recomendamos 5 libros indispensables para saber más sobre IA. Hoy queremos ponértelo un poco más fácil, gracias a Nacho Abad, Big Data & IA Sales Manager en Strategy Big Data, socio tecnológico de Agencia B12. nuestro experto nos recomienda 5 librospara aprender más sobre Big Data e Inteligencia Artificial. ¿Lo mejor? Son todos gratis. Lo menos bueno es que son en inglés, pero ya sabe que el conocimiento bien merece ese pequeño esfuerzo.

Todos los libros los puedes encontrar aquí, dsponibles para su descarga o, si lo prefieres, compra física.

'Artificial Intelligence A Modern Approach'  (Stuart Russell, 1995)

Una Introducción completa y actualizada a la teoría y práctica de IA. Número uno en su campo, este libro de texto es ideal para complementar un master o curso avanzado en Inteligencia Artificial.

la edición revisada ofrece la introducción más completa y de vanguardia a la teoría y la práctica de la inteligencia artificial para aplicaciones modernas.

'Information Theory, Inference, and Learning Algorithms' (David J.C. MacKay, 2005)

La teoría de la información y la inferencia, que a menudo se enseñan por separado, se unen aquí en un libro de texto entretenido. Estos temas se encuentran en el corazón de muchas áreas interesantes de la ciencia y la ingeniería contemporáneas: comunicación, procesamiento de señales, minería de datos, aprendizaje automático, reconocimiento de patrones, neurociencia computacional, bioinformática y criptografía. 

El libro presenta la teoría junto con aplicaciones prácticas, como la codificación aritmética para la compresión de datos y los códigos de gráficos dispersos para la corrección de errores. Se desarrollan una serie de herramientas técnicas de inferencia, que incluyen algoritmos de paso de mensajes, métodos Monte Carlo y aproximaciones variacionales, junto con aplicaciones de estas herramientas para agrupamiento, códigos convolucionales, análisis de componentes independientes y redes neuronales.

'Reinforcement Learning: An Introduction' (Richard S. Sutton & Andrew G. Barto, 2012)

El aprendizaje por refuerzo, una de las áreas de investigación más activas en Inteligencia Artificial, es un enfoque computacional del aprendizaje mediante el cual un agente intenta maximizar la cantidad total de recompensa que recibe al interactuar con un entorno complejo e incierto.

Richard Sutton y Andrew Barto ofrecen una descripción clara y sencilla de las ideas clave y los algoritmos del aprendizaje por refuerzo. Su lectura abarca desde la historia de los fundamentos intelectuales del campo hasta los desarrollos y aplicaciones más recientes.

'Mining of Massive Datasets ' (Jure Leskovec, Anand Rajaraman, & Jeff Ullman, 2014)

Escrito por autoridades líderes en bases de datos y tecnologías web, este libro es una lectura esencial tanto para estudiantes como para profesionales del data mining. Este libro se centra en algoritmos prácticos que se han utilizado para resolver problemas clave en la minería de datos y se pueden aplicar con éxito incluso a los conjuntos de datos más grandes.

Esta segunda edición incluye cobertura nueva y ampliada en redes sociales, aprendizaje automático y reducción de dimensionalidad.

'Interactive Data Visualization for the Web' (Scott Murray, 2013)

Una introducción práctica para crear proyectos de visualización de datos interactivos en la web, incluso sin mucha experiencia con la visualización de datos o el desarrollo web.