El libro está dirigido aquellos lectores que estén trabajando en proyecto relacionados con big data y busquen identificar las características de una solución de Big Data, los datos asociados a estas soluciones, la infraestructura requerida, y las técnicas de procesamiento de esos datos. Entre los principales objetivos podemos destacar: ò Introducir los conceptos de ciencias de datos y machine learning. ò Introducir las principales librerías que podemos encontrar en Python para aplicar técnicas de machine learning a los datos. ò Dar a conocer los pasos para construir un modelo de machine learning, desde la adquisición de datos, pasando por la generación de funciones, hasta la selección de modelos. ò Dar a conocer los principales algoritmos para resolver problemas de machine learning. ò Introducir scikit-learn como herramienta para resolver problemas de machine learning. ò Introducir pyspark como herramienta para aplicar técnicas de big data y map-reduce. ò Introducir los sistemas de recomendación basados en contenidos. El libro trata de seguir un enfoque teórico-práctico con el objetivo de afianzar los conocimientos mediante la creación y ejecución de scripts desde la consola de Python. Además, complementa los contenidos con un repositorio alojado en el Material Adicional donde se pueden encontrar los ejemplos que se analizan a lo largo del libro para facilitar al lector las pruebas y asimilación de los contenidos teóricos. Desde la web del libro podrá descargar los ejemplos y ejercicios que se desarrollan en el libro lo que facilitara al lector a asimilar lo aprendido.