Análisis de Datos
Bienvenida
Este libro recopila y ordena el material que he construido a lo largo de años de docencia y consultoría en estadística aplicada a la inteligencia artificial: clases de pregrado y maestría, notebooks, talleres y laboratorios, presentaciones y la experiencia de llevar estos temas a proyectos reales. Aquí está reunido y revisado para leerse de corrido; parte de este contenido también se publica como artículos en el blog técnico de BIT.
El recorrido va de qué es un dato a la reducción de dimensionalidad no lineal y los datos dependientes en el tiempo, pasando por regresión, remuestreo, suavización, modelos lineales generalizados y variables latentes. Combina teoría con intuición geométrica y código ejecutable en Python en cada capítulo, con un criterio que no negocio: nunca simplificar una idea a costa de volver falsa una afirmación.
A quién está dirigido
El nivel Básico no asume conocimiento previo de estadística — solo comodidad leyendo código en Python. El nivel Avanzado parte de la regresión lineal múltiple y asume que ya tienes el vocabulario del nivel Básico (o uno equivalente): distribuciones, regresión lineal, validación de modelos. También puede utilizarse como material de referencia en cursos de pregrado y maestría.
Qué necesitas para seguir los notebooks
Un entorno de Python 3 con pandas, numpy, matplotlib, scikit-learn, scipy y statsmodels. Algunos capítulos usan además seaborn; los de modelos lineales generalizados y regresión de Poisson usan torch, y los de reducción de dimensionalidad no lineal, umap-learn. Cada capítulo importa lo que necesita en sus primeras celdas. Los capítulos se ejecutaron con Python 3.13 y estas versiones de referencia: numpy 2.3–2.5, pandas 2.3–3.0, scikit-learn 1.9 y statsmodels 0.14. Con otras versiones son esperables pequeñas diferencias numéricas en las salidas.
Cómo está organizado
El libro tiene dos partes:
- Básico — Estadística para IA (15 capítulos): desde la introducción al análisis de datos hasta la validación de modelos, cubriendo tendencia central, variabilidad, forma de los datos, probabilidad, distribuciones, inferencia, pruebas de hipótesis y los primeros modelos de regresión y clasificación.
- Avanzado — Análisis Avanzado de Datos (14 capítulos): regresión múltiple, regularización, bootstrap, validación cruzada, suavización por splines y kernel, modelos lineales generalizados, variables latentes (PCA, ICA) y métodos de reducción de dimensionalidad no lineal (MDS, t-SNE, UMAP), cerrando con datos dependientes en el tiempo.
Dos capítulos del nivel Avanzado tienen, además, un caso aplicado — un notebook separado que retoma el mismo tema con un ejemplo concreto de principio a fin. Esos quedan en los apéndices, al final del libro.
Cómo leer los notebooks
Cada capítulo es un notebook renderizado con sus salidas guardadas: lo que ves es lo que se obtuvo al ejecutarlo, sin volver a correr las celdas al construir el libro. Para reproducirlo en tu equipo, ejecuta las celdas en orden. Cada capítulo es autocontenido: trae su propio código, ejecutable de punta a punta, y termina retomando el hilo hacia el siguiente tema.
Sobre el autor
Wilder Ramírez Delgado convierte datos en decisiones. Ingeniero Electrónico y Magíster en Analítica de Datos, es científico de datos, arquitecto de IA y asesor tecnológico con más de 20 años de trayectoria profesional. Su trabajo integra analítica avanzada, machine learning, Big Data e IoT para resolver desafíos de organizaciones públicas y privadas.
Como CEO y fundador de Business Innovation Technology (BIT), asesora a entidades gubernamentales y empresas, con especial experiencia en analítica y normatividad de los sectores postal y logístico. Como docente universitario de pregrado y maestría, lleva al aula la experiencia de proyectos reales y conecta los fundamentos con su aplicación práctica.
Esta es la versión pensada para leerse de corrido, con navegación entre capítulos y búsqueda integrada. Si encuentras un error o tienes una duda sobre algún capítulo, puedes dejar un comentario en el artículo correspondiente del blog técnico de BIT; respondo todos.