14 ed. Máster en Data Science

Big Data y Data Science, por lo tanto, son dos campos diferentes y complementarios. Existirán proyectos Big Data donde el objetivo será hacer escalable un sistema que actualmente no lo es y que por tanto no requiera estrategias de Data Science. También existirán proyectos donde será necesario analizar de forma inteligente ciertos datasets pero que no se requiera el potencial de las tecnologías Big Data. Y por último, existirán proyectos donde se necesite la construcción de sistemas Big Data escalables y aplicar sobre esas infraestructuras, algoritmos inteligentes de Data Science para extraer el auténtico valor de los datos.

Tanto si cumples con el perfil del alumno, como si necesitas ponerte al día para llegar a él, te recomendamos los siguientes títulos. Su lectura no es necesaria ni obligatoria, pero si te ayudarán a adelantar conocimientos y aprovechar mejor las clases.

• “Linux para Principiantes: Una Introducción al Sistema Operativo Linux y la Línea de Comandos” Jason Cannon (Edición Kindle).
• “Guía de bolsillo de Linux” Daniel J. Barret (Anaya Multimedia/O’Reilly).
• “Data Science for Business” Foster Provost, Tom Fawcett (O’Reilly).
• “Python for Data Analysis” Wes McKinney (O’Reilly).
• “Machine Learning for Hackers” Drew Conway, John Myles White (O’Reilly).
• “Estadística Básica” Guillermo Ayala Gallego
• “Mining of Massive Datasets” Rajaraman, Anand, Ullman, Jeffrey David (Cambridge University Press).