Practical Data Science with R

Referencia formativa escrita por Nina Zumel y John Mount (con prólogo de Jim Porzak) que enseña cómo aplicar el lenguaje de programación R a la resolución de problemas empresariales reales. Dirigido a analistas de negocio, estadísticos y desarrolladores de nivel intermedio con nociones básicas de sintaxis en R, el texto prescinde del formalismo matemático excesivo para centrarse en cómo traducir preguntas comerciales en modelos estadísticos cuantitativos fiables.

El libro guía al lector a lo largo de todo el ciclo de vida del dato: curación, tratamiento de valores ausentes, reescalado y codificación de variables categóricas de alta cardinalidad. En el ámbito visual y exploratorio, enseña a fondo la gramática de gráficos con ggplot2. En modelado y evaluación predictiva, cubre desde métricas indispensables (curvas ROC, AUC, matrices de confusión y gráficos de lift) y métodos de referencia como Naive Bayes, hasta regresión lineal y logística con lm y glm, técnicas no supervisadas (k-means y clustering jerárquico) y algoritmos avanzados con rpart (árboles de decisión) y randomForest. También dedica un bloque capital a la reproducibilidad con R Markdown y al arte de presentar resultados tanto a perfiles técnicos como a directivos.

El aprendizaje se articula sobre problemas de negocio aplicados a datos reales, destacando el modelado de fuga de clientes (churn) con el conjunto de datos de la competición KDD Cup 2009 y la segmentación de perfiles demográficos a partir de microdatos censales (PUMS). Destaca notablemente por su sensatez al advertir sobre el sobreajuste (overfitting) y los sesgos del analista, si bien al corresponder a la primera edición de 2014 no contempla el dialecto moderno del tidyverse (dplyr, tidyr) ni bibliotecas contemporáneas como tidymodels. Es una lectura sumamente instructiva para cimentar el pensamiento crítico del científico de datos aplicado a los negocios.