Libros sobre ciencia de datos, machine learning, estadística y programación con R

Más sobre ciencia de datos: cienciadedatos.net

Introducción

El siguiente listado contiene las fuentes de información sobre ciencia de datos, machine learning, estadística y programación en R que he ido encontrando y que me han resultado útiles. Están ordenadas según, a mi parecer, facilitan el aprendizaje.

A la hora de adentrarse en estas disciplinas existen diferentes aproximaciones, en mi caso, el objetivo inicial fue aprender las principales herramientas estadísticas y de machine learning empleadas en el análisis de datos del ámbito biomédico. La programación (en este caso R) era simplemente la herramienta auxiliar de la que me ayudaba para realizar los cálculos necesarios. La experiencia me he convencido de que adquirir ambos conocimientos en paralelo mejora mucho el aprendizaje. ¡Nada mejor para entender un algoritmo que poder simular, representar y aplicar fácilmente los cálculos necesarios!

Libros

OpenIntro Statistics: Fourth Edition by David Diez, Mine Çetinkaya-Rundel, Christopher Barr

Linear Models with R by Julian J.Faraway

An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics)

Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models by Julian J.Faraway

Applied Predictive Modeling by Max Kuhn and Kjell Johnson

Practical Guide to Cluster Analysis in R: Unsupervised Machine Learning by Alboukadel Kassambara

Feature Engineering and Selection: A Practical Approach for Predictive Models by Max Kuhn and Kjell Johnson

Interpretable Machine Learning by Christoph Molnar

Handbook of Biological Statistics by John H. McDonald

Resampling Data: Using a Statistical Jackknife S. Sawyer | Washington University | March 11, 2005

Artículos

Nature Search Points of Significance

Este material, creado por Joaquín Amat Rodrigo, tiene licencia Attribution-NonCommercial-ShareAlike 4.0 International.