En este libro se introducen los conceptos fundamentales del análisis de datos en entornosábig data. Se ofrece una revisión completa de las técnicas avanzadas más usadas en estos campos, con un enfoque claramente descriptivo, para que el lector entienda los conceptos e ideas básicos de cada modelo o técnica.áLos diferentes capítulos de esta obra comprenden la definición de problemas que requieran el uso de técnicas deábig data, la tecnología básica empleada en este tipo deáproyectos, así como una descripción de los principales escenarios de procesamiento de datos masivos: procesamiento de datos por lotes (bacth), procesamiento de datos continuos o en flujo (streaming) y procesamiento de datos en formato de grafos. Para cada uno de estos escenarios, se describirán las especificidades y herramientas principales relacionadas con las etapas de captura y preprocesamiento, almacenamiento y análisis.

Tapa blanda

Español

Editorial Uoc, S.l.

Editorial Uoc

Big data

En este libro se introducen los conceptos fundamentales de la minería de datos (data mining) y del aprendizaje automático (machine learning). El lector podrá encontrar una revisión completa de las técnicas avanzadas más usadas en estos campos con un enfoque claramente descriptivo para que entienda los conceptos e ideas básicos ocultos detrás de cada algoritmo o técnica. Las páginas de este libro abordan desde las etapas previas de preparación de los datos ?los métodos de reducción de la dimensionalidad y extracción de características (PCA, SVD, NNMF), métodos de aprendizaje no supervisado (agrupamiento jerárquico, k-means, canopy), métodos de aprendizaje supervisado (k-NN, SVM, redes neuronales, árboles de decisión, métodos probabilísticos)?, hasta los diferentes métodos de combinación de clasificadores.

Minería de datos

En este libro se introducen los conceptos fundamentales del aprendizaje profundo (Deep learning, DL) mediante el uso de redes neuronales artificiales (Artificial neural networks, ANN). El lector podrá encontrar una revisión completa de las técnicas avanzadas más usadas en estos campos. El enfoque del libro es claramente descriptivo, con el objetivo de que el lector entienda los conceptos e ideas básicos detrás de cada algoritmo o técnica. La primera parte del libro constituye una introducción al aprendizaje profundo, en general, y a las redes neuronales, en particular. En la segunda parte se describe el funcionamiento de las redes neuronales, partiendo de conceptos básicos (como la estructura de una neurona, las principales funciones de activación, etc.) hasta alcanzar conceptos avanzados (optimización del rendimiento de las redes neuronales o estrategias para evitar el problema del sobreentrenamiento). La tercera parte presenta los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales convolucionales (Convolutional neural networks, CNN) y su aplicación en el procesamiento de imágenes. Finalmente, el cuarto bloque de este texto se centra los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales recurrentes (Recurrent neural networks, RNN) y su aplicaciones para el procesamiento de series temporales y textos.

Deep learning

En este libro se trata el papel que tiene la preservación de la privacidad en el proceso de publicación de datos. En concreto, se ven los principales métodos de enmascaramiento de datos y el modelo de k-anonimidad, que representa uno de los modelos más conocidos y empleados en los procesos de anonimización. El objetivo de estos procesos es asegurar la privacidad de los datos de la ciudadanía cuando se publica información que contiene datos personales. Por un lado, la publicación de estos datos es muy útil para la investigación que realizan instituciones, universidades y empresas; pero por otro lado, se debe evitar la violación de privacidad que pudieran sufrir los individuos que aparecen en estos conjuntos de datos. Los diferentes capítulos de este libro comprenden la definición de la problemática relacionada con la privacidad, los modelos teóricos más importantes ?esto es, aleatorización o perturbación aleatoria, el modelo de la k-anonimidad y la privacidad diferencial? y las problemáticas y soluciones específicas en distintos entornos de datos, incluyendo los datos tabulares, localizaciones y datos temporales, redes sociales y registros de búsquedas.

Big data (2019)

Minería de datos (2017)

Deep learning (2019)

Privacidad y anonimización de datos (2017)