Bibliografía

Todas las lecturas de la materia, con enlace a su fuente oficial

Material principal (Python)

Texto	Acceso	Se usa en
James, G., Witten, D., Hastie, T., Tibshirani, R. & Taylor, J. (2023). An Introduction to Statistical Learning with Applications in Python (ISLP). Springer.	statlearning.com, PDF gratuito oficial	Clases 1, 4, 5, 6, 7, 9 y 10
McKinney, W. (2022). Python for Data Analysis (3ª ed.). O’Reilly.	wesmckinney.com/book, libro web gratuito	Clase 2 (caps. 5–7)
Wilke, C. O. (2019). Fundamentals of Data Visualization. O’Reilly.	clauswilke.com/dataviz, libro web gratuito	Clase 3 (caps. 1–7, 21 y 22)
Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3ª ed., FPP3). OTexts.	otexts.com/fpp3, libro web gratuito	Clase 8 (está escrito en R; el lado Python se trabaja con statsmodels)

Material avanzado / opcional

Texto	Acceso	Se usa en
Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2ª ed., ESL). Springer.	hastie.su.domains/ElemStatLearn, PDF gratuito oficial	Clase 5 (cap. 6) y clase 7 (cap. 15), lectura avanzada

Referencia en R

Para quienes sigan la materia desde el lado R.

Texto	Acceso	Se usa en
Wickham, H. & Grolemund, G. (2017). R para Ciencia de Datos (edición en español). O’Reilly.	es.r4ds.hadley.nz, libro web gratuito	Clase 2 (caps. 4–6) y como referencia general
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2021). An Introduction to Statistical Learning with Applications in R (2ª ed., ISLR). Springer.	statlearning.com, PDF gratuito oficial	Referencia en R de aprendizaje supervisado (clases 4-7)