Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dia 1 - Modelos de Aprendizaje No Supervisado
Dia 1 - Modelos de Aprendizaje No Supervisado
aprendizaje no
supervisado
Ing. Jesus Enrique Soto Soto
Ing. Katia Lizeth Rocha Aguilar
Objetivo:
El participante identificará, reconocerá y aplicará
los principales algoritmos de aprendizaje no
supervisados, orientados a resolver problemas
de segmentación y agrupamiento de variables,
empleando una plataforma y paquetes operando
sobre Python, así como la comprensión y
contextualización de sus resultados e
implicaciones. El participante también conocerá
las medidas de efectividad de los modelos
implementados, así como su mejora y
optimización.
Contenido del
Introducción
01 Inteligencia Artificial curso
Aprendizaje Automático
02 Modelos de Clutering
03 Modelos K-means
04 Modelos PCA
05 Actividad Integradora
Implementación de algoritmos
Día Tema Recurso de evaluación Ponderación
Formulario Autoevaluación 2%
Introducción IA y ML Actividad Formativa 2%
1
Practica 1 6%
Práctica 2 8%
2 Modelos de Clustering
Actividad Formativa 2%
Práctica 3 8%
3 Modelos de K-means
Actividad Formativa 2%
Práctica 4 8%
4 Modelos PCA
Actividad Formativa 2%
Total 100%
Herramientas
01 02
Google Colab Orange
Permite a cualquier Es un software de
usuario escribir y minería de datos de
ejecutar código código abierto que se
arbitrario de Python en utiliza para visualizar,
el navegador analizar y modelar
datos.
01
Introducción
Inteligencia Artificial
Machine Learning (Aprendizaje
automatico)
• Aprendizaje supervisado
• Aprendizaje no supervisado
• Aprendizaje semi-supervisado
• Aprendizaje reforzado
Understanding the Problem
Aprendizaje Semi-supervisado
01 02
Clasificación Regresión
03
Clustering