Think Like a Data Scientist

Obra metodológica de Brian Godsey publicada por Manning que aborda la ciencia de datos no desde la memorización de librerías, sino desde el pensamiento analítico, la formulación de hipótesis y la toma de decisiones estructurada. Aunque recurre a ejemplos conceptuales implementables en Python o R, la obra es deliberadamente agnóstica respecto a lenguajes específicos y se centra en enseñar el ciclo de vida completo de un proyecto de datos. Está pensada para desarrolladores, analistas y profesionales técnicos de nivel intermedio que ya cuentan con nociones elementales de programación y estadística, pero necesitan aprender a estructurar proyectos complejos de extremo a extremo.

El contenido se divide en tres fases fundamentales: preparación, construcción y entrega. En la etapa de preparación enseña a definir metas a partir de las necesidades del cliente, recopilar datos del entorno y realizar tareas de saneamiento (data wrangling) y evaluación de calidad. En la fase de construcción cubre la planificación rigurosa, el desarrollo de software funcional, la cuantificación de la incertidumbre con estadística aplicada, el diseño de software apto para entornos de producción y métodos de optimización algorítmica. Finalmente, en la fase de entrega aborda la usabilidad del producto analítico, la recolección de retroalimentación de los usuarios, las revisiones iterativas y el cierre ordenado de proyectos.

A lo largo de los capítulos se analizan casos de estudio prácticos —como la recopilación, saneamiento y normalización de desempeños atléticos históricos a partir de tablas oficiales de la IAAF— y cada capítulo concluye con ejercicios formativos cuyas soluciones detalladas se incluyen en un apéndice final. Su valor diferencial reside en anticipar los obstáculos habituales del mundo real: requisitos ambiguos, datos sesgados o faltantes y expectativas desalineadas. No profundiza en librerías complejas de deep learning ni en demostraciones matemáticas densas, por lo que funciona como una guía estratégica indispensable antes de embarcarse en proyectos a gran escala.