Proyecto final y cierre

Que maravilloso curso, por cursos como este vale la pena pagar Platzi, faltaba este curso en la escuela de DS, era necesario y las explicaciones han estado muy claras 😃

Este curso era muy necesario, quedó muy bueno!

Notas del curso

test rrespuuestas

Resumen
1.
¿De qué tipo de machine learning es el algoritmo de clustering?
Aprendizaje no supervisado
2.
¿Qué es el clustering en machine learning?
Un modelo para agrupar datos por características similares.
3.
¿Dónde se encuentra la clase KMeans en sklearn la podemos encontrar?

sklearn.cluster

Usualmente en clustering se manejan datasets de train y test. ¿Esto es verdadero o falso?
Falso, porque no tenemos un target.
5.
Si en un set de datos se tiene una variable objetivo (target) y se requiere asignar los datos a dicha variable en específico, ¿qué tipo de modelo de machine learning se necesitará?
Clasificación.
6.
La fórmula usada en el coeficiente de silueta se puede representar de la siguiente forma:
s(i) = b−a / max (a ,b)
7.
El coeficiente de silueta es una medida de evaluación de clustering. ¿Qué rango tiene?
-1 a 1
8.
¿En K-means qué representa la letra K?
Número de clústeres o centroides a asignar.
9.
Para identificar la ubicación de los centroides luego del entrenamiento en Kmeans, ¿qué propiedad del modelo se debe usar?
kmeans.centroids_

REPASAR CLASE
10.
¿Cuál es una de las técnicas para encontrar el número de clústeres óptimo (K) en K-means?
Método del codo
11.
“Agglomerative hierarchical clustering” es un metodo que parte de clusters individuales y posteriormente unir grupos para formar un unico cluster al final.

Verdadero
12.
Esta visualización de datos ayuda a entender el funcionamiento del hierarchical clustering:
Dendrograma
13.
¿Cómo se importa de sklearn la clase de agglomerative hierarchical clustering?

from sklearn.cluster import AgglomerativeClustering

¿En qué se basa el algoritmo de clustering DBSCAN?
Regresión
REPASAR CLASE
15.
¿Qué es un core point en DBSCAN?

Es aquel que cumple con el mínimo de vecinos con un Epsilon predeterminado.
16.
¿Cómo se importa de sklearn DBSCAN?

from sklearn.cluster import DBSCAN

Una de las desventajas de DBSCAN es que sus híper-parámetros son muy determinantes. ¿Esto es verdadero o falso?
Verdadero
18.
¿Para utilizar DBSCAN se requiere conocer la cantidad de clústeres antes del entrenamiento?
No es necesario.
19.
Para preparar los datos para clustering utilizamos el escalamiento de los datos. ¿En qué consiste este escalamiento?
Llevar todas las columnas o características numéricas del dataset a una misma escala.
20.
¿Cuál es uno de los métodos que se pueden usar en machin learning para reducir dimensionalidad de un dataset?
PCA
Ver menos

Sinceramente, muy buen curso en cuanto a ejemplos, contenido, proyecto y explicacion. Recomendadisimo.

Muchas gracias profesor!

Excelente Curso!! No dejen de lado esta gran ruta de DS por favor.

¿Por qué No Existe un Curso Ampliamente Disponible sobre Spectral Clustering, Considerando su Efectividad Comprobada en Estudios de Investigación?

Spectral clustering ha surgido como una técnica de clustering altamente efectiva según numerosos estudios de investigación. A pesar de su eficacia demostrada, la disponibilidad limitada de cursos específicos dedicados a este tema plantea una pregunta intrigante: ¿por qué no hay una oferta educativa más generalizada para esta técnica particular? Esta laguna en los recursos educativos no solo limita el acceso de los estudiantes a una herramienta poderosa en el análisis de datos complejos, sino que también suscita interrogantes sobre las razones detrás de esta carencia. ¿Son los conceptos asociados con el spectral clustering demasiado complejos para la mayoría de los estudiantes? ¿O es que la comunidad educativa simplemente no ha alcanzado a abordar la creciente importancia de esta técnica en el campo del aprendizaje automático y la minería de datos? Esta pregunta no solo destaca un vacío educativo sino también plantea cuestiones más profundas sobre la dinámica entre las investigaciones académicas y la enseñanza práctica de las técnicas más avanzadas en el mundo del análisis de datos. 🤔✨

Muy buen curso, buena didáctica del docente, ahora toca poner en practica lo aprendido, segmentaré los clientes de la institución financiera donde trabajo. Felicidades profe y Platzi por este buen curso.

¡Excelente Curso!

Me encantó el curso, porque me ayudó con un proyecto personal. ¡Muchas gracias Carlos!

Excelente curso, ayuda muchísimo a la practica y a comprender mas detallado el Clustering