Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GRUPO 3
Integrantes:
❖ Humberto Alejandro Rodríguez Ruiz
❖ Luis Rafael Guevara Aste
❖ Mariaceleste Fernandez Rios
❖ Nicole Alexandra Pérez Sánchez
Aprendizaje Supervisado
ALGORITMOS
APLICACIONES
Algoritmos:
● k-means . Se agrupan en cluster, donde cada uno tiene un centroide y los puntos se asignan
al centroide más cercano. -> Ejm. Segmentación de clientes.
● Algoritmo a priori. Detecta patrones en conjuntos de datos como por ejemplo compras de
clientes. -> Ejm. Recomendación de productos
● Autoencoder. Usa una red neuronal para aprender una representación de los datos de
entrada y la intenta reconstruir a la salida. -> Ejm. Comprimido de imágenes
● t-SNE. Visualiza datos en un espacio bidimensional o tridimensional. -> Ejm. Visualización
de expresiones genéticas
● GMM. Modela los datos en una combinación de varias distribuciones gaussianas donde cada
una representa un cluster. -> Ejm. Análisis de datos biomédicos
Aprendizaje por Reforzamiento Proximal Policy Optimization (PPO)
Aprendizaje Supervisado
● 1
● 2
Aprendizaje No Supervisado
● Martínez, S. (2022, noviembre 2). ¿Qué es el aprendizaje no supervisado y cuándo usarlo? Inesdi.
https://www.inesdi.com/blog/que-es-aprendizaje-no-supervisado/
● Rueda, J. F. V. (2019, agosto 4). Aprendizaje supervisado y no supervisado. healthdataminer.com.
https://healthdataminer.com/data-mining/aprendizaje-supervisado-y-no-supervisado/