En este curso se definirán los principales conceptos en Machine Learning, con énfasis principalmente en los métodos No Supervisados. Para ello, se verán técnicas relacionadas con exploración de los datos, reducción de la dimensión y clustering. Para esto se hará uso del lenguaje Python y paquetes especializados en Machine Learning.

Objetivos

En este curso el estudiante será capaz de:

1. Entender la necesidad de la utilización de modelos, algoritmos, software especial para un correcto análisis análisis de los datos.
2. Entender las diferencias entre: estadística, análisis de datos, recuperación de la información, ML – “Machine Learning”, minería de datos y Ciencia de Datos.
3. Conocer los principales modelos, técnicas y algoritmos utilizados en los métodos No Supervisados.
4. Efectuar Análisis Exploratorio de Datos en Python.
5. Utilizar Python en métodos no supervisados de análisis de datos, como lo son Análisis en Componenentes Principales, Clusterización Jerárquica, K-Medias, entre otros.

Metodología

Basado en la teoría y en la aplicación directa de los conceptos aprendidos. Para esto se dispondrán de las siguientes herramientas:

1. Una vídeo conferencia semanal, las cuales quedarán grabadas en Zoom, para que los alumnos la puedan acceder en cualquier momento.
2. Trabajos prácticos semanales.
3. Foros para plantear dudas al tutor y compañeros.
4. Aula virtual en Moodle.

Luego de este curso el estudiante será capaz de:

Desarrollar y programar proyectos de Machine Learning relacionados con aprendizaje No Supervisado como por ejemplo segmetación de carteras de clientes.

Evaluación

El curso se evalúa con 4 tareas, una por semana, cada tarea tiene un valor de 25 puntos. La nota mínima de aprobación es de 70.