Los metodos estadisticos son una parte fundamental de la ciencia de datos, pero pocos cientificos de datos tienen una formacion avanzada en estadistica. Los cursos y libros sobre estadistica basica rara vez tratan el tema desde la perspectiva de la ciencia de datos. La segunda edicion de este libro incluye ejemplos detallados de Python, ofrece una orientacion practica sobre la aplicacion de los metodos estadisticos a la ciencia de datos, te indica como evitar su uso incorrecto y te aconseja sobre lo que es y lo que no es importante. Muchos recursos de la ciencia de datos incorporan mtodos estadsticos, pero carecen de una perspectiva estadstica ms profunda. Si ests familiarizado con los lenguajes de programacin R o Python y tienes algn conocimiento de estadstica, este libro suple esas carencias de una forma prctica, accesible y clara. Con este libro aprenders:Por qu el anlisis exploratorio de datos es un paso preliminar clave en la ciencia de datosCmo el muestreo aleatorio puede reducir el sesgo y ofrecer un conjunto de datos de mayor calidad, incluso con Big DataCmo los principios del diseo experimental ofrecen respuestas definitivas a preguntasCmo utilizar la regresin para estimar resultados y detectar anomalasTcnicas de clasificacin esenciales para predecir a qu categoras pertenece un registroMtodos estadsticos de aprendizaje automtico que "aprenden" a partir de los datosMtodos de aprendizaje no supervisados para extraer significado de datos sin etiquetarPeter Bruce es el fundador del Institute for Statistics Education en Statistics.com. Andrew Bruce es cientfico investigador jefe en Amazon y tiene ms de 30 aos de experiencia en estadstica y ciencia de datos. Peter Gedeck es cientfico de datos senior en Collaborative Drug Discovery, desarrolla algoritmos de aprendizaje automtico para pronosticar propiedades de posibles futuros frmacos.