000			04049nam a2200421 a 4500
003			co-ctgiumayor
005			20240712120259.0
006			m d
007			cr cnu---uuuuu
008			180827s2018 s 000 0 eng d
020			_a9783319723471
040			_aCO-CtgIUMC _bspa _ccoctgiumc _drda
082	0	4	_a005.7 _bD586 _223
100	1		_aDinov, Ivo D., _eautor. _4aut. _4http://id.loc.gov/vocabulary/relators/aut
245	1	0	_aData science and predictive analytics _h[electronic resource] : _bBiomedical and health applications using R / _cby Ivo D. Dinov.
264		4	_aCham : : _bSpringer International Publishing : : _bImprint: Springer,, _c2018
264		1	_c2018
300			_aXXXIV, 832 páginas. 1443 illus., 1245 illus. in color. : _bonline resource.
336			_atexto _btxt _2rdacontent
337			_acomputador _bc _2rdamedia
338			_arecurso en línea _bcr _2rdacarrier
347			_atext file _bPDF _2rda
504			_aIncluye referencias bibliográficas e índice.
505	0		_a1 Introduction -- 2 Foundations of R -- 3 Managing Data in R -- 4 Data Visualization -- 5 Linear Algebra & Matrix Computing -- 6 Dimensionality Reduction -- 7 Lazy Learning: Classification Using Nearest Neighbors -- 8 Probabilistic Learning: Classification Using Naive Bayes -- 9 Decision Tree Divide and Conquer Classification -- 10 Forecasting Numeric Data Using Regression Models -- 11 Black Box Machine-Learning Methods: Neural Networks and Support Vector Machines -- 12 Apriori Association Rules Learning -- 13 k-Means Clustering -- 14 Model Performance Assessment -- 15 Improving Model Performance -- 16 Specialized Machine Learning Topics -- 17 Variable/Feature Selection -- 18 Regularized Linear Modeling and Controlled Variable Selection -- 19 Big Longitudinal Data Analysis -- 20 Natural Language Processing/Text Mining -- 21 Prediction and Internal Statistical Cross Validation -- 22 Function Optimization -- 23 Deep Learning Neural Networks -- 24 Summary -- 25 Glossary -- 26 Index -- 27 Errata.
520			_aDurante la última década, Big Data se ha vuelto omnipresente en todos los sectores económicos, disciplinas científicas y actividades humanas. Han llevado a sorprendentes avances tecnológicos, que afectan a todas las experiencias humanas. Nuestra capacidad para gestionar, comprender, interrogar e interpretar datos extremadamente grandes, de múltiples fuentes, heterogéneos, incompletos, de varias escalas e incongruentes no ha seguido el ritmo del rápido aumento del volumen, la complejidad y la proliferación del diluvio de información digital. Hay tres razones para este déficit. Primero, el volumen de datos aumenta mucho más rápido que el aumento correspondiente de nuestro poder de procesamiento computacional (ley de Kryder> ley de Moore). En segundo lugar, los límites disciplinarios tradicionales inhiben el progreso expedito. Tercero, nuestras actividades de educación y capacitación se han quedado atrás de la tendencia acelerada de los avances científicos, de información y comunicación. Hay muy pocos recursos de instrucción rigurosos, materiales de aprendizaje interactivos y entornos de capacitación dinámicos que respalden el aprendizaje activo de la ciencia de datos. Al exponer las enormes oportunidades que presenta el tsunami de Big Data, este libro de texto tiene como objetivo identificar brechas de conocimiento específicas, barreras educativas y deficiencias en la preparación de la fuerza laboral.
650		0	_aBig data.
650		0	_aRegistros médicos _xProcesamiento de datos.
650		0	_aCiencias de la computación.
650		0	_aMinería de datos.
650	1	4	_aBig Data.
650	2	4	_aInformática médica.
650	2	4	_aProbabilidad en Ciencias de la computación.
650	2	4	_aMinería de datos.
710	2		_aSpringerLink (Online service)
773	0		_tSpringer eBooks
856			_uhttps://drive.google.com/file/d/1r_jRkLIZnSU-1A_hjr-gBZbsNvvmbDca/view?usp=sharing _zDar click aqui para ver texto completo
942			_cCF _2ddc
999			_c87615 _d87615