1 – El clustering y el aprendizaje no supervisado

Lección 1 del curso Clustering en el Machine Learning.

En este primer módulo del curso comenzaremos entendiendo algunos conceptos que resultarán esenciales para entender más adelante cómo funcionan los diferentes algoritmos de clustering.

Y específicamente en esta primera lección del curso comenzaremos con lo fundamental: entendiendo qué es el Aprendizaje no Supervisado y en qué consiste el clustering o agrupamiento de datos. Además, veremos varios algunos ejemplos de aplicación que nos permitirán entender la utilidad que este conjunto de técnicas tiene en el Machine Learning:

Como acabamos de ver, el Aprendizaje no Supervisado es una familia de técnicas de aprendizaje en el Machine Learning que se encarga de detectar patrones en datos no etiquetados.

Y los métodos de clustering hacen parte precisamente de esta familia de técnicas. En particular, estas técnicas permiten generar agrupaciones de datos relativamente homogéneas con base en las características de estos datos. Y estas características se encuentran de forma automática precisamente usando gran variedad de algoritmos de clustering (los cuales veremos en detalle a lo largo de este curso).

Además, vimos que estos métodos de agrupamiento de datos permiten resolver problemas en ámbitos como la segmentación de clientes, el análisis de mercados, la detección de fraudes e incluso el análisis de texto, entre otras.

Así que teniendo claro qué es el agrupamiento de datos, en la próxima lección hablaremos de las métricas de distancia y de evaluación de agrupaciones, que son conceptos que se aplican de forma general a cualquier algoritmo de clustering y que resulta fundamental entender para más adelante comprender el principio de funcionamiento de dichos algoritmos.

Todas las lecciones del curso Clustering en el Machine Learning