Este curso avanzado cubre técnicas de métodos no supervisados en el análisis de datos, aplicadas a través de R y Python. Los estudiantes explorarán temas como clustering avanzado, reducción de dimensionalidad y análisis factorial de correspondencias, además de técnicas especializadas como el Análisis Factorial de Correspondencias Simples y Múltiples y el
Método STATIS para tablas múltiples. Este conocimiento permitirá a los estudiantes aplicar métodos no supervisados en proyectos complejos de ciencia de datos y resolver problemas de agrupamiento y segmentación.

Objetivos:

1. Profundizar en técnicas avanzadas de métodos no supervisados en análisis de datos.

2. Aprender a implementar y evaluar técnicas de clustering avanzado y reducción de

   dimensionalidad.

3. Aplicar el Análisis Factorial de Correspondencias Simples y Múltiples en R y Python.

4. Explorar y aplicar el Método STATIS para el análisis de tablas múltiples.

5. Desarrollar habilidades para aplicar estos métodos en ciencia de datos, análisis de mercado y estudios multidimensionales.

Metodología:

El curso combinará teoría y práctica aplicada en R y Python, permitiendo a los estudiantes implementar y analizar métodos no supervisados en problemas reales de ciencia de datos. Las herramientas y recursos incluyen:

1. Videoconferencias semanales: Sesiones en Zoom que serán grabadas para su revisión posterior.

2. Trabajos prácticos semanales: Ejercicios aplicados en R y Python para fortalecer la implementación de métodos no supervisados avanzados.

3. Foros de discusión: Espacio en Moodle para la resolución de dudas y discusión de temas del curso.

4. Aula virtual en Moodle: Acceso a materiales, ejemplos de código y recursos adicionales.