Data Mining The Textbook

Tratado académico fundamental de referencia internacional escrito por el investigador de IBM Charu C. Aggarwal y publicado por Springer en 2015. Con más de 700 páginas, la obra expone de manera unificada, rigurosa y exhaustiva tanto los fundamentos algorítmicos clásicos de la minería de datos como el tratamiento de tipos de datos complejos y aplicaciones del mundo real. Está destinado a estudiantes de posgrado, investigadores, ingenieros de datos y científicos de nivel intermedio o avanzado que cuenten con una formación cuantitativa sólida en álgebra lineal, estadística inferencial, cálculo multivariado y diseño y análisis de algoritmos.

La obra se estructura en tres bloques integrados: fundamentos, tipos de datos complejos y aplicaciones avanzadas. En el bloque nuclear desarrolla detalladamente los cuatro problemas esenciales de la disciplina: agrupamiento (clustering jerárquico, particional, basado en densidad y probabilístico), clasificación supervisada (árboles de decisión, Naive Bayes, máquinas de vectores de soporte, redes neuronales y métodos de ensamble como boosting y bagging), minería de patrones frecuentes y reglas de asociación (algoritmos Apriori y FP-Growth), y análisis y detección de valores atípicos (outlier detection). Posteriormente, adapta estas metodologías a dominios de datos complejos: datos textuales, secuencias biológicas y discretas, series temporales, datos espaciales y grafos o redes sociales. En la parte aplicada profundiza en la minería de flujos continuos de datos (data streams), minería web, algoritmos de ranking (PageRank, HITS), sistemas de recomendación basados en filtrado colaborativo y técnicas de preservación de la privacidad en minería de datos. El texto se apoya en deducciones matemáticas, análisis formal de complejidad y pseudocódigo estructurado independiente de lenguajes concretos.

Al ser un libro de texto universitario clásico, prescinde de guías paso a paso de programación o proyectos de software aplicados; en su lugar, cada capítulo culmina con un nutrido conjunto de ejercicios analíticos y problemas teóricos diseñados para evaluar la asimilación conceptual y matemática. Su mayor aportación es su carácter enciclopédico, su consistencia conceptual y su capacidad para conectar la teoría matemática con la lógica de diseño de los algoritmos más influyentes de la computación moderna. Deja fuera la implementación en código ejecutable (Python, R, Java) y el manejo de herramientas de computación distribuida en clúster (como Spark o Hadoop). Se recomienda abordar su lectura con familiaridad en notación matricial y pensamiento algorítmico abstracto.