MIID 4303 Aprendizaje no supervisado
El curso es el último en la secuencia de Machine Learning. Se centra en modelos de aprendizaje no supervisado. Estos modelos a diferencia de los vistos en aprendizaje supervisado no cuentan con una medida de respuesta observada. Al no tener una variable de respuesta, no tenemos una medida que pueda “supervisar” el análisis. En otras palabras, no supervisado se refiere a que solo se observan predictores, pero no una respuesta asociada.
Así, este curso, complementa la secuencia de modelamiento matemático y Machine Learning, con aplicaciones donde no se cuenta con una variable de respuesta definida. Cubre temas de reducción de dimensión, clustering, procesamiento de lenguaje natural no supervisado, y análisis geográfico de puntos calientes, entre otros.
Al finalizar el curso estarás en capacidad de:
- Reconocer las características, usos, ventajas y desventajas de los modelos de aprendizaje no supervisados.
- Identificar situaciones pertinentes para el uso de modelos de aprendizaje no supervisado.
- Crear e implementar algoritmos y técnicas de aprendizaje no supervisado apropiados, dependiendo de la disponibilidad y clase de datos.
- Evaluar e interpretar los resultados de modelos de aprendizaje no supervisado.
Instructor
Ignacio Sarmiento Barbieri
Periodo en el que se ofrece el curso
2022-14
Idioma en el que se ofrece el curso
Español
Página del catálogo en este curso