Modelos de

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%

5 Evaluación del curso Actividad Formativa 10%

Formulario – Evaluación final 20%

Práctica Integradora 30%

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

Aprendizaje por refuerzo

 Algoritmos

01 02
Clasificación Regresión

03
Clustering