Libros gratuitos big data data science inteligencia artificial

Libros gratuitos sobre Big Data, Data Science e Inteligencia Artificial 2020

Algunos libros gratuitos y recursos que he encontrado sobre las nuevas tecnologías Big Data, Data Science, Inteligencia Artificial entre muchas otras. Iré actualizando el listado a medida que vaya encontrando materiales.

Libros gratuitos sobre Big Data, Data Science e Inteligencia Artificial

A pesar de estamos viviendo en una época audiovisual, muchas veces la mejor de aprender algo de formalmente abstracto y con una fuerte carga de matemáticas, siguen siendo los libros.

Estos son capaces de adaptarse a nuestra velocidad de comprensión, podemos revisarlos cuantas veces queramos y si no son digitales, nos obligan a introducir el código de los diferentes algoritmos que pretendamos implementar. Por ese motivo, todos los que quieran ir realmente en serio, deberían plantearse un plan de lectura de algunos libros importantes dentro de la temática.

Hay muchos disponibles en Internet, y siempre que encontremos algún nuevo procuraremos listarlo en este post para poder dejarlo documentado a todos los que busquen buenas referencias de lectura sobre estas áreas.

Hemos dividido los libros en diferentes categorías sobre si son más sobre bases matemáticas, más sobre inteligencia artificial o sobre Data Science, para de esta forma sea más fácil encontrarlo y poder consultarlos.

Si sabes libros gratuitos que no estén listados y quieres compartirlos con nosotros, déjalo como comentario a este hilo, y procuraremos poder incluirlos, lo más rápidamente posible para disponibilizar lo con la comunidad.

Para más artículos sobre esta temáticas, puedes ver otros artículos que hemos publicado anteriormente

FUNDAMENTOS MATEMÁTICOS

Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares Stephen Boyd and Lieven Vandenberghe Cambridge University Press Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares (Ingles)
Stephen Boyd and Lieven VandenbergheCambridge University PressDescarga Original:StandordCopia Innovascape: Enlace
Linear algebra

Linear Algebra

A Free text for a standard US undergraduate course

Jim Hefferon
Mathematics and Statistics Department
Saint Michael’s College
jhefferon at smcvt.edu

https://hefferon.net/linearalgebra/

INTELIGENCIA ARTIFICIAL

Artificial Intelligence A Modern Approach, 1st Edition

Artificial Intelligence

Artificial Intelligence A Modern Approach, 1st Edition (Ingles)

Stuart Russell, 1995

Comprehensive, up-to-date introduction to the theory and practice of artificial intelligence. Number one in its field, this textbook is ideal for one or two-semester, undergraduate or graduate-level courses in Artificial Intelligence.

Descarga Original: ufpe.br

Copia Innovscape : Enlace

Learning Deep Architectures for AI

Learning Deep Architectures for AI

(Ingles)

Yoshua Bengio, 2009

Foundations and Trends(r) in Machine Learning.

Descarga Original: github

Copia Innovscape : Enlace

Natural Language Processing with Python

Natural Language Processing with Python

Steven Bird, 2009

This book offers a highly accessible introduction to natural language processing, the field that supports a variety of language technologies, from predictive text and email filtering to automatic summarization and translation.

Descarga Original: NTLK

Actualizado a python 3

Programming Computer Vision with Python

Programming Computer Vision with Python

Jan Erik Solem, 2012

If you want a basic understanding of computer vision’s underlying theory and algorithms, this hands-on introduction is the ideal place to start. You’ll learn techniques for object recognition, 3D reconstruction, stereo imaging, augmented reality, etc

Descarga Original:ProgrammingComputerVision

Enlace Innovascape: Enlace

A Course in Machine Learning

Data Mining and Machine Learning

A Course in Machine Learning (ingles)

Hal Daumé III, 2014

An introduction training to Machine Learning with good examples

Descarga Original😛DF

Enlace Innovascape: Enlace

BIG DATA

Big Data Now: 2012 Edition

Big Data Now: 2012 Edition

O’Reilly Media, Inc., 2012

This is not just a technical book or just a business guide. Data is ubiquitous and it doesn’t pay much attention to borders, so we’ve calibrated our coverage to follow it wherever it goes.

Descarga Original: Oreilly

Copia Innovscape : Enlace

Disruptive Possibilities: How Big Data Changes Everything

Disruptive Possibilities: How Big Data Changes Everything (Inglés)

Jeffrey Needham, 2013

This book provides an historically-informed overview through a wide range of topics, from the evolution of commodity supercomputing and the simplicity of big data technology, to the ways conventional clouds differ from Hadoop analytics clouds.

Descarga Original: Oreilly

Copia Innovscape : Enlace

Hadoop in the Enterprise: Architecture - Guide to Successful Integration

Hadoop in the Enterprise: Architecture – Guide to Successful Integration

Jan Kunigk, Ian Buss,
Paul Wilkinson & Lars George

This practical book provides a comprehensive guide on how to make enterprise Hadoop integration successful. Also, you will learn how to build a Hadoop infrastructure, architect an enterprise Hadoop platform, and even take Hadoop to the cloud.

Descarga Original: Pentaho

Copia Innovscape : Enlace

Learning Apache Spark

Learning Apache Spark with Python

Wenqiang Feng

A practical free book on programming Apache Spark with Python.

Descarga Original: PDF

Copia InnovaScape: Enlace

Otros Libros Gratuitos:

https://goalkicker.com/

Que es el Robotic Process Automation (RPA) o automatización robótica de procesos?

ROBOTIC PROCESS AUTOMATION (RPA) una nueva INNOVACIÓN PARA LAS EMPRESAS

 

ROBOTIC PROCESS AUTOMATION (RPA) una nueva INNOVACIÓN PARA LAS EMPRESAS

 

Cada vez más empresas están recurriendo a una práctica tecnológica emergente llamada automatización de procesos robóticos (RPA) para racionalizar las operaciones de la empresa y reducir los costos. Con el RPA, las empresas pueden automatizar procesos empresariales mundanos basados en reglas, permitiendo a los usuarios empresariales dedicar más tiempo a servir a los clientes o a otros trabajos de mayor valor. Otros consideran que el RPA es una solución provisional en el camino hacia la automatización inteligente (AI) mediante herramientas de aprendizaje automático (ML) y de inteligencia artificial (AI), que se pueden entrenar para hacer juicios sobre los resultados futuros.

¿Qué es la automatización de procesos robóticos?

El Robotic Process Automation  es una aplicación de la tecnología, regida por la lógica empresarial y las entradas estructuradas, destinada a automatizar los procesos empresariales. Mediante las herramientas RPA, una empresa puede configurar un software, o un “robot”, para capturar e interpretar las aplicaciones para procesar una transacción, manipular datos, desencadenar respuestas y comunicarse con otros sistemas digitales. Los escenarios de RPA van desde algo tan simple como generar una respuesta automática a un correo electrónico hasta desplegar miles de bots, cada uno programado para automatizar trabajos en un sistema ERP.

Las operaciones de empresas de servicios financieros estuvieron a la vanguardia de la adopción de RPA, descubriendo formas de utilizar el software para facilitar los procesos empresariales sin aumentar el número de empleados o los costes.

¿Cuáles son los beneficios de RPA?

El RPA proporciona a las organizaciones la capacidad de reducir los costes de personal y minimizar los errores humanos. Por ejemplo, algunos bancos consiguieron con la implementación del RPA con varios bots para ejecutar diversos procesos, manejando 2 millones de solicitudes por año. Con ello, se añadió una capacidad equivalente a más de varias centenas de empleados a tiempo completo a con una fracción del coste y con la capacidad infalible de las máquinas para revisar detalles sin equivocación.

Los bots son típicamente de bajo costo y fáciles de implementar, no requiriendo ningún software personalizado o una profunda integración de sistemas. Estas características son cruciales para que las organizaciones puedan crecer sin añadir gastos significativos o fricciones entre los trabajadores.

Las empresas también pueden maximizar sus esfuerzos de automatización mezclando RPA con tecnologías cognitivas como el Machine Learning, el reconocimiento de voz  y
procesamiento del lenguaje natural, automatizando tareas de alto valor añadido que en el pasado requerían las capacidades perceptivas y de juicio que solamente los humanos teníamos hasta hace poco.

¿Solo conozco Excel, soy o no un Data Scientist?

Un interesante hilo (ingles) a raíz de un pregunta sobre si una persona solamente sabe utilizar a excel, si puede ser considerado un Data Scientist / Científico de datos?

 

¿Solo conozco Excel, soy o no un Data Scientist?

Basado en el diagrama de Venn para el Científico de Datos.

Un Científico de Datos debe saber matemáticas/estadísticas/álgebra, debe ser un experto en el dominio (o tener acceso a expertos en el campo) y debe conocer habilidades de hacking/codificación (para permitirle explorar más allá de las características estándar en cualquier solución utilizada). Esto ya lo cubrimos en un articulo en este blog

En el día a día, solemos decir que un científico de datos busca responder a las preguntas de negocios basado en los datos y herramientas disponibles para él.

Así que si tomamos en consideración exclusivamente la definición estándar, podríamos decir que alguien que sólo trabaja con Excel no sería un científico de datos.

Pero desde mi punto de vista que Excel tiene un lenguaje de programación, Excel básico, que permite ampliar las posibilidades de la herramienta, podría decir que hay mucha gente que realiza análisis de negocios con Excel (y algunas veces otras herramientas conectadas a Excel). Uno de los principales problemas de Excel es la limitación del tamaño de las hojas de trabajo, que no permite aportar demasiados datos, y el tiempo que tarda en hacerlo.

Entonces, ¿podría alguien ser considerado un científico de datos sin Python? Creo que depende del tamaño de la empresa y de las necesidades de datos. Lo importante para un Data Scientist es RESPONDER A LAS PREGUNTAS DE LA EMPRESA CON LOS DATOS, las habilidades de hacking son para poder utilizar una amplia gama de herramientas, pero los datos encajan en un excel y hace el trabajo permitiendo a la empresa tomar las decisiones correctas? Entonces es un científico de datos.

Si los datos disponibles el proceso necesario para obtener respuestas para las preguntas de negocios es demasiado alto para Excel y la persona no es capaz de moverse de Excel, entonces no es un Data Scientist.

Un Científico de datos debe ser capaz de adaptarse a las diversas necesidades de la empresa o del proyecto donde debe aplicar sus conocimientos. Si para poder responder a preguntas, los datos que son necesarios procesar en información, son demasiados para una herramienta, entonces no es excusa solamente una herramienta. El Data Scientist debe ser capaz de encontrar la herramienta o programar el mismo las herramientas o algoritmos que necesite para ello.

Podríamos entonces entrar en el debate  que, no es realmente necesario saber, si no saber encontrar quien te lo puede hacer, y conseguir crear un equipo alrededor del Data Scientist para que pueda realizar el análisis requerido. pero el problema con esto es que muchas veces no tienes la seguridad de que es el camino correcto, y hay muchos pruebas e errores que debe el proprio analista realizar. Si cada vez que vás a hacer pruebas, hay que contratar un equipo de 3 personas, entonces hay un problema grave de presupuestos que acabarán por generar tensión en la empresa.

Es un tema difuso porque puedes mirarlo desde diferentes puntos de vistas, según la óptica de cada uno, y de las experiencias de trabajo de estas características, dado que muy probablemente un Data Scientist que solamente se hay movido en grandes proyectos con grandes cantidades de datos e de herramientas lo verá de una forma, mientras que el el que ha trabajado en pequeñas empresas donde por la cantidad de datos, excel, ha sido más que suficiente para solucionar los problemas, podrá verlo de otra forma.

Si has llegado al final de este artículo, es porque te ha interesado el tema, y me gustaria saber yo también cuál es tu opinión, para que si necesario pueda verlo desde diferentes angulos. Así porque no pones en los comentarios tu propia opinión para generarnos un hilo interesante de discusión?

 

La INTELIGENCIA ARTIFICIAL como innovación disruptiva del FUTURO DE LOS BANCOS

La INTELIGENCIA ARTIFICIAL como innovación disruptiva del FUTURO DE LOS BANCOS

 

La INTELIGENCIA ARTIFICIAL como innovación disruptiva del FUTURO DE LOS BANCOS

 

La disrupción digital está redefiniendo las industrias y cambiando la forma en que funcionan muchos negocios. Cada industria está evaluando opciones y  formas de adopción para crear valor en un mundo impulsado por la tecnología. El sector bancario está siendo testigo de cambios revolucionarios: sobre todo en torno de la atención al cliente.

 

Los clientes conocedores de la tecnología, expuestos a las tecnologías avanzadas en su vida cotidiana, esperan que los bancos les ofrezcan experiencias sin fisuras. Para cumplir con estas expectativas, los bancos han ampliado su panorama industrial al comercio minorista, la tecnología de la información y las telecomunicaciones para permitir servicios como la banca móvil, la banca electrónica y las transferencias de dinero en tiempo real. Si bien estos avances han permitido a los clientes aprovechar la mayoría de los servicios bancarios que tienen a su alcance en cualquier momento y lugar, también han supuesto un coste para el sector bancario.

 

La unión de la banca y sectores como la informática, las telecomunicaciones y el comercio minorista ha aumentado la transferencia de información crítica a través de redes virtuales que son vulnerables a los ataques cibernéticos y a la fraudulencia. Estos incidentes no sólo afectan a la rentabilidad de los bancos, sino que también dificultan la confianza de los bancos y la relación con los clientes.

 

El aumento de las amenazas a la seguridad en línea en las transacciones bancarias ha hecho más estrictas las reglamentaciones gubernamentales. Aunque estas regulaciones son útiles para supervisar las transacciones financieras en línea, han limitado la capacidad de los bancos para mantenerse al día con la transformación digital. Los bancos no pueden invertir en tecnología, ya que tienen que mantener el coeficiente de adecuación del capital según las directrices del marco normativo internacional. Así pues, los bancos son presa de la competencia que plantean los ágiles actores de la tecnología financiera (FinTech), que no tienen que mantener el coeficiente de adecuación del capital. Según el Informe sobre la banca minorista mundial de 2016, aproximadamente la mitad de los clientes de todo el mundo han informado de que es más probable que cambien sus bancos con estos actores.

 

Banca de Inteligencia Artificial

La INTELIGENCIA ARTIFICIAL como innovación disruptiva del FUTURO DE LOS BANCOS

Aprovechar la tecnología cognitiva con la Inteligencia Artificial (IA) aporta la ventaja de la digitalización a los bancos y les ayuda a hacer frente a la competencia que plantean los jugadores de FinTech. De hecho, alrededor del 32% de los proveedores de servicios financieros ya están utilizando tecnologías de IA como el Análisis Predictivo, el Reconocimiento de Voz, entre otras, según una investigación conjunta realizada por el Instituto Nacional de Investigación Empresarial y Ciencias Narrativas.

 

La Inteligencia Artificial es el futuro de la banca, ya que aporta el poder del análisis avanzado de datos para combatir las transacciones fraudulentas y mejorar el cumplimiento. El algoritmo de la IA logra actividades contra el lavado de dinero en pocos segundos, que de otra manera toman horas y días. La IA también permite a los bancos gestionar grandes volúmenes de datos a una velocidad récord para obtener valiosos conocimientos de ellos. Características como los robots de la IA, los asesores de pagos digitales y los mecanismos biométricos de detección de fraudes dan lugar a una mayor calidad de servicios a una base de clientes más amplia. Todo ello se traduce en un aumento de los ingresos, una reducción de los costos y un aumento de los beneficios.

 

La Inteligencia Artificial está fortaleciendo la competitividad de los bancos a través de:

 

  • La mejora de la experiencia del cliente: Basándose en las interacciones pasadas, la IA desarrolla una mejor comprensión de los clientes y su comportamiento. Esto permite a los bancos personalizar los productos y servicios financieros añadiendo características personalizadas e interacciones intuitivas para ofrecer un compromiso significativo con el cliente y construir relaciones sólidas con sus clientes.
  • Predicción de resultados y tendencias futuras: Con su poder de predecir escenarios futuros mediante el análisis de comportamientos pasados, la IA ayuda a los bancos a predecir resultados y tendencias futuras. Esto ayuda a los bancos a identificar fraudes, detectar patrones de lavado de dinero y hacer recomendaciones a los clientes. Los lavadores de dinero, a través de una serie de acciones, muestran que la fuente de su dinero ilegal es legal. Con su poder de aprendizaje automático y cognición, la IA identifica estas acciones ocultas y ayuda a salvar millones para los bancos. De manera similar, la IA es capaz de detectar patrones de datos sospechosos entre volúmenes ingentes de datos para llevar a cabo la gestión del fraude. Además, con sus motores de recomendación clave, la IA estudia el pasado para predecir el comportamiento futuro de los puntos de datos, lo que ayuda a los bancos a realizar con éxito ventas cruzadas y de mayor valor.
  • Automatización de procesos cognitivos: Esta característica permite la automatización de una variedad de servicios bancarios intensivos en información, costosos y propensos a errores, como la gestión de reclamaciones. Esto asegura el retorno de la inversión, reduce los costos y asegura un procesamiento preciso y rápido de los servicios en cada paso. La automatización de procesos cognitivos automatiza fundamentalmente un conjunto de tareas que improvisa sobre sus iteraciones anteriores a través de un constante aprendizaje de la máquina.
  • Interfaces interactivas realistas: Los chatbots identifican el contexto y las emociones en el chat de texto y responden a él de la manera más adecuada. Estas máquinas cognitivas permiten a los bancos no sólo ahorrar tiempo y mejorar la eficiencia, sino también ayudar a los bancos a ahorrar millones de dólares como resultado del ahorro de costes acumulado.
  • Toma de decisiones eficaz: Los sistemas cognitivos que piensan y responden como expertos humanos, proporcionan soluciones óptimas basadas en los datos disponibles en tiempo real. Estos sistemas mantienen un repositorio de información experta en su base de datos llamada base de datos de conocimientos. Los banqueros utilizan estos sistemas cognitivos para tomar decisiones estratégicas.
  • Automatización robótica de procesos: La IA revisa y transforma los procesos aplicando la Automatización Robótica de Procesos (RPA). Esto permite la automatización de alrededor del 80% de los procesos de trabajo repetitivos, permitiendo a los trabajadores del conocimiento dedicar su tiempo a operaciones de valor añadido que requieren un alto nivel de intervención humana.

 

Futuro impulsado por la IA

 

La IA no sólo dará poder a los bancos mediante la automatización de su fuerza de trabajo del conocimiento, sino que también hará que todo el proceso de automatización sea lo suficientemente inteligente como para eliminar los riesgos cibernéticos y la competencia de los jugadores de FinTech.

La IA, que forma parte integral de los procesos y operaciones del banco, y sigue evolucionando e innovando con el tiempo sin una considerable intervención manual.

La IA permitirá a los bancos aprovechar de manera óptima las capacidades humanas y mecánicas para impulsar la eficiencia operativa y de costes, y ofrecer servicios personalizados.

Todos estos beneficios ya no son una visión futurista a cumplir por los bancos. Al adaptar la IA, los líderes del sector bancario ya han tomado medidas que les permitirán coger el tren del futuro y competir eficazmente contra todo una nueva panoplia de competidores nunca antes visto.

 

Puedes leer más artículos sobre inteligencia artificial en la sección de inteligencia artificial.

El desafío de la Inteligencia Artificial en la medicina

INTELIGENCIA AMBIENTAL, o el futuro de la salud en tiempos de Inteligencia Artificial

INTELIGENCIA AMBIENTAL, o el futuro de la salud en tiempos de Inteligencia Artificial

La inteligencia artificial (IA) ha sido aprovechada para revolucionar las operaciones en todas las industrias. Los investigadores están usando algoritmos para predecir de manera más acertada los incendios forestales en el oeste de los EE.UU. A principios de este año, un sistema de IA identificó un medicamento existente para la artritis reumatoide que podría ser reutilizado para tratar a los pacientes de COVID-19. En un documento reciente, los investigadores ilustran varias formas en que estas tecnologías podrían ser utilizadas para mejorar el cuidado de los pacientes en los hospitales del futuro.

 

“Tenemos la capacidad de incorporar tecnologías en los espacios físicos donde se presta la atención médica para ayudar a reducir la tasa de errores fatales que se producen hoy en día debido al gran volumen de pacientes y la complejidad de su atención”, dijo Arnold Milstein, profesor de medicina y director del Centro de Investigación de Excelencia Clínica de Stanford (CERC) en un informe de la universidad americana.

 

Sistemas de IA, sensores infrarrojos y más

A principios de este mes, la Escuela de Ingeniería de Stanford publicó un artículo analizando las aplicaciones potenciales de la “inteligencia ambiental” en los hospitales para disminuir los accidentes médicos potencialmente fatales. El artículo se centra en un artículo recientemente publicado en Nature, del que es coautor Milstein.

 

En uno de estos escenarios, las habitaciones de los hospitales podrían ser equipadas con sistemas de IA y sensores para monitorear las medidas de higiene apropiadas. Otras herramientas de IA podrían ser implementadas para predecir potenciales emergencias médicas basadas en señales de comportamiento en los pacientes. Combinadas, estas soluciones podrían ayudar a reducir la presión sobre el personal del hospital.

 

“Estamos en una carrera a pie con la complejidad del cuidado de la cama”, dijo Milstein en el informe. “Según un recuento reciente, los médicos de la unidad de cuidados intensivos neonatales de un hospital tomaron 600 medidas de cabecera, por paciente, por día. Sin la ayuda de la tecnología, la perfecta ejecución de este volumen de acciones complejas está más allá de lo que es razonable esperar de los equipos clínicos más concienzudos”.

 

Tecnología de imágenes y sincronización: Un punto de inflexión para las aplicaciones

 

En el artículo, el estudiante de postgrado y coautor del trabajo, Albert Haque, dice que la capacidad de implementar estos sistemas mejorados de IA es ahora posible debido a la mayor sofisticación de los modelos de aprendizaje de las máquinas y la disminución del costo de los sensores infrarrojos utilizados en estos sistemas de monitoreo. Estos sensores de profundidad infrarrojos se utilizan para crear en su esencia “una forma de radar basado en la luz que mapea los contornos tridimensionales de una persona o un objeto”. En una habitación de hospital, este mapa en 3D podría ser aplicado para una miríada de soluciones.

 

En un experimento de Stanford, los sensores de profundidad infrarrojos se situaron fuera de las habitaciones individuales para controlar el cumplimiento de los protocolos de lavado de manos. Si el sistema no detectaba un lavado de manos adecuado antes de entrar en la habitación, se enviaba una alerta a través de una tableta colocada cerca de la puerta, según el informe. Actualmente, estos sistemas están siendo probados para ver si este enfoque disminuye las infecciones nosocomiales en los pacientes de la UCI, según el informe.

 

En otra aplicación de infrarrojos, un sistema de detección pasiva podría aprovechar los sensores térmicos colocados sobre las camas del hospital. Entonces, la “IA gobernante” sería capaz de “detectar sacudidas o retorcimientos debajo de las sábanas, y alertar a los miembros del equipo clínico de crisis de salud inminentes sin tener que ir constantemente de habitación en habitación”.

 

Los sistemas de monitoreo y los problemas de privacidad

Durante la pandemia de coronavirus, la IA, las imágenes térmicas, los sensores de IO y más se han utilizado para mitigar la propagación de COVID-19. El aumento del uso de estos sistemas viene con una serie de preocupaciones sobre la privacidad. Los investigadores han evitado utilizar técnicas de detección de vídeo de alta definición “ya que la captura de imágenes de vídeo podría interferir innecesariamente en la privacidad de los médicos y los pacientes”, según el informe.

“Las imágenes de silueta proporcionadas por los sensores infrarrojos podrían proporcionar datos suficientemente precisos para entrenar los algoritmos de IA para muchas aplicaciones de importancia clínica”, dijo Haque en el informe.