Atlas Interactivo de Programación en Python

Referencias Bibliográficas

Esta sección reúne las fuentes académicas y técnicas que sustentan el contenido del Atlas Interactivo de Programación en Python. Las referencias aquí presentadas respaldan los conceptos teóricos y prácticos desarrollados a lo largo del atlas y ofrecen al lector caminos claros para profundizar en programación, análisis de datos, machine learning, big data y aplicaciones avanzadas de Python.

Alfarizi, M. R. S., Al-farish, M. Z., Taufiqurrahman, M., Ardiansah, G., & Elgar, M. (2023). Penggunaan Python sebagai bahasa pemrograman untuk machine learning dan deep learning. Karya Ilmiah Mahasiswa Bertauhid (KARIMAH TAUHID), 2(1).

Arriaza, M. (2006). Guía práctica de análisis de datos.

Avila, J. L. V., Martínez, W. A. S., Lara, R. S., & Galván, C. S. (2018). Implementación de un detector de caídas para su aplicación en pacientes hospitalizados y personas de la tercera edad. Pistas Educativas, 39(128).

Blank, J., & Deb, K. (2020). Pymoo: Multi-objective optimization in Python. IEEE Access, 8. https://doi.org/10.1109/ACCESS.2020.2990567

Cervantes, O., Báez, D., Arizaga, A., & Castillo, E. (2017). Python con aplicaciones a las matemáticas, ingeniería y finanzas. Alfaomega.

Chan, D., Badano, C., & Rey, A. (2019). Análisis inteligente de datos con lenguaje R.

Coullaut, A., & Tascón, M. (2016). Big data y el internet de las cosas.

Cuevas, A. (2018). Aplicaciones gráficas con Python 3.

Gagliano, G., Alarcón, C., Angelone, L., Del Rosario, E., Cardona, P., Guspi, F., Guzmán, J., Luna, Z., Mage, P., & Muñoz, J. (2014). Elementos esenciales para programación. LATIn.

Gobierno de España. (s. f.). Guía práctica de introducción al análisis exploratorio de datos.

Gobierno de España. (2016). Guía metodológica para planes open data sectoriales.

Hines, M. L., Davison, A. P., & Muller, E. (2009). NEURON and Python. Frontiers in Neuroinformatics, 3. https://doi.org/10.3389/neuro.11.001.2009

Hurwitz, J., Nugent, A., Halper, F., & Kaufman, M. (2013). Big data for dummies.

Hush, J. (2020). Python para el análisis de datos.

Joyanes Aguilar, L. (2013). Big data: Análisis de grandes volúmenes de datos en organizaciones.

Kuhlman, D. (2013). A Python book: Beginning Python, advanced Python, and Python exercises.

Lewis, R. (2017). Tutorial fácil de seguir para aprender Python. Tutorial fácil de seguir para aprender Python

Mayer-Schönberger, V., & Cukier, K. (2013). Big data: La revolución de los datos masivos.

McKinney, W. (2023). Python para análisis de datos.

Mehare, H. B., Anilkumar, J. P., & Usmani, N. A. (2023). The Python programming language. En A guide to applied machine learning for biologists. https://doi.org/10.1007/978-3-031-22206-1_2

Muhammad Romzi, & Kurniawan, B. (2020). Pembelajaran pemrograman Python dengan pendekatan logika algoritma. JTIM: Jurnal Teknik Informatika Mahakarya, 3(2).

Nettleton, D. (2011). Técnicas para el análisis de datos clínicos. Díaz de Santos.

Okonkwo, C. W., & Ade-Ibijola, A. (2021). Python-bot: A chatbot for teaching Python programming. Engineering Letters, 29(1).

Pedregosa, F., et al. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12.

Programming Languages Academy. (2020). Python para principiantes.

Roca, G., & Solana, A. (2015). Big data para directivos. Empresa Activa.

Rodríguez, J., & Rodrigues, S. (2022). Uso de Python para el análisis de datos.

Russell, R. (2018). Machine learning: Guía paso a paso con Python.

Ryzhkov, F. V., Ryzhkova, Y. E., & Elinson, M. N. (2023). Python in chemistry: Physicochemical tools. Processes, 11(10). https://doi.org/10.3390/pr11102897

Severance, C. R. (2020). Python para todos: Explorando datos con Python 3.

Universidad Autónoma de Entre Ríos. (2020). Algoritmos y estructuras de datos en Python.

Van der Walt, S., et al. (2014). Scikit-image: Image processing in Python. PeerJ, 2. https://doi.org/10.7717/peerj.453

Van Rossum, G. (2017). Tutorial de Python. http://www.python.org.ar

"El conocimiento se construye sobre los hombros de gigantes. Estas referencias representan la base sólida que sustenta cada concepto, práctica y ejemplo presentado en este Atlas."

Las fuentes aquí citadas reflejan el compromiso con la excelencia académica y la rigurosidad técnica que caracterizan al Atlas Interactivo de Programación en Python.