Aprendizaje no-supervisado: aplicaciones al clustering en industrias
El aprendizaje no-supervisado es lo que los gurús de la Ciencia de Datos consideran la parte más importante de la inteligencia Artificial pues busca encontrar patrones en entornos donde contamos con poca información sobre el problema y buscamos un algoritmo inteligente que los detecte.
El curso busca preparar a los estudiantes en las siguientes habilidades:
-
Interpretar e implementar dos algoritmos no-supervisados
-
Familiarizar al estudiante con las dificultades de la
clusterización y sus ventajas
-
Un manejo sólido de las herramientas de visualización en
Aprendizaje no-supervisado: aplicaciones al clustering en industrias
Python
Utilizaremos algoritmos no-supervisados para detectar clústers en diferentes condiciones respecto al entorno térmico, la calidad del aire, la humedad, la luminosidad y la concentración de dióxido de carbono en entornos de trabajo. Este tipo de algoritmos son muy valiosos para estudiar patrones no etiquetados y analizar problemas industriales con el objetivo de mejorar la eficacia en procesos industriales.
Temario
-
Introducción al curso (60 minutos)
-
Preludio en Python: K-nearest neighbours (60 minutos)
-
K-means para la clusterización (120 minutos)
-
Clustering en Python (120 minutos)
-
Dudas y discusión (60 minutos) 6. Complementos (120 minutos)
Descarga las notas del curso aquí:
