Hello World!
🤓📚💻
Vamos a ello, Clustering (Machine Learning No Supervisado):
Consiste en encontrar las similitudes o características parecidas con el fin de agruparlos.
Fundamentos de clustering
¿Qué es el clustering en machine learning?
Tu primer clustering con scikit-learn
¿Cuándo usar clustering?
¿Cómo evaluar modelos de clustering?
K-means
¿Qué es el algoritmo de K-means y cómo funciona?
¿Cuándo usar K-means?
Implementando K-means
Encontrando K
Evaluando resultados de K-means
Hierarchical clustering
¿Qué es hierarchical clustering y cómo funciona?
¿Cuándo usar hierarchical clustering?
Implementando hierarchical clustering
Evaluando resultados de hierarchical clustering
DBSCAN
¿Qué es DBSCAN y cómo funciona?
¿Cuándo usar DBSCAN?
Implementando DBSCAN
Encontrar híper-parámetros
Evaluando resultados de DBSCAN
Proyecto: resolviendo un problema con clustering
Preparar datos para clusterizar
Aplicando PCA para clustering
Resolviendo con K-means
Resolviendo con hierarchical clustering
Resolviendo con DBSCAN
Resolviendo con DBSCAN (sin PCA)
Evaluación resultados de distintos modelos de clustering
Conclusiones
Proyecto final y cierre
Comparte tu proyecto de segmentación con clustering y certifícate
¿Qué es el clustering en machine learning?
1/27Recursos
Aportes 14
Preguntas 1
Ordenar por:
ahora si se están poniendo las pilas con el ML emocionado por aprender
El machine learning es un campo de la inteligencia artificial que se divide en tres grandes ramas: el aprendizaje supervisado, el no supervisado y el aprendizaje por refuerzo. En esta ocasión, nos centraremos en los dos primeros.
La principal diferencia entre el aprendizaje supervisado y el no supervisado radica en que en el primero se cuenta con una variable objetivo, mientras que en el segundo no. Es decir, en el aprendizaje supervisado se tiene una idea previa de lo que se busca obtener, mientras que en el no supervisado se trata de encontrar patrones o estructuras ocultas en los datos.
Dentro del aprendizaje no supervisado, encontramos el clustering, que consiste en agrupar datos similares en conjuntos o clusters. De esta forma, podemos obtener una mejor comprensión de los datos y utilizar esta información para tomar decisiones más informadas.
uyuuuyuuuyy nunca había llegado tan temprano, viene otro buen curso.
A lo largo de la ruta se van disminuyendo los aportes pero no importa, ahí vamos.
Este curso ya promete más que los anteriores.
Me alegra ver teoría y no solo un tutorial de código.
¡Sí!, Más cursos de machine lerning🤘
I gotta a feeling, that this is going to be a great course 😎
Buen día, has manejado Elipsoides del modelo de mezcla gaussiana??
En resumen, el **clustering** es una herramienta poderosa para encontrar estructura y patrones en datos no etiquetados, ayudándote a comprender mejor la organización interna de tus datos.
Recuerda la publicidad que te llega a tu celular. Para todos es diferente, para algunos hay promociones, para otros hay descuentos, para otros no hay nada. Muchas veces gracias a nuestros datos se llegan a construir grandes modelos dependiendo de los datos que les hemos dado acceso a las plataformas. De ahi el resultado de agruparnos y mandarnos promociones.!! :)
Que emocionante!
Este es un excelente profesor, tengo una emocion terribleee!
Empezando un nuevo curso a darle con TODOOO!
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?