Descripción
El presente curso aborda los fundamentos teóricos y prácticos del Machine Learning, con énfasis en los métodos no supervisados. Se estudiarán técnicas clave orientadas a la exploración de datos, reducción de dimensionalidad y análisis de agrupamientos (clustering).
El desarrollo de los contenidos integra el uso del lenguaje de programación Python y bibliotecas especializadas, permitiendo al estudiante aplicar los conceptos en entornos reales de análisis de datos.
Objetivos:
Al finalizar el curso, el estudiante será capaz de:
-
Comprender la importancia del uso de modelos, algoritmos y herramientas especializadas para un análisis riguroso y eficiente de datos.
-
Diferenciar conceptualmente la estadística, el análisis de datos, la recuperación de información, el Machine Learning, la minería de datos y la Ciencia de Datos.
-
Identificar y aplicar los principales modelos, técnicas y algoritmos asociados a métodos no supervisados.
-
Desarrollar análisis exploratorio de datos utilizando Python.
-
Implementar técnicas no supervisadas en Python, tales como Análisis de Componentes Principales (PCA), Clustering Jerárquico y K-medias, entre otras.
Metodología:
El curso se desarrolla bajo un enfoque teórico-práctico, promoviendo la aplicación directa de los conceptos estudiados mediante ejercicios y casos prácticos.
Para su ejecución se contará con los siguientes recursos:
-
Una videoconferencia semanal, disponible posteriormente en grabación para su consulta.
-
Trabajos prácticos semanales orientados a fortalecer el aprendizaje aplicado.
-
Foros de discusión disponibles 24/7 para consultas académicas e interacción entre estudiantes y tutor.
-
Aula virtual en Moodle con materiales didácticos, recursos complementarios y actividades evaluativas.
Valoraciones
No hay valoraciones aún.