2.13.3 DAA/Aprendizaje No Supervisado

Cubre el descubrimiento de patrones en datos sin etiquetas predefinidas, incluyendo técnicas de clustering y reducción de dimensionalidad.
Temas:
Core Tier1

• Algoritmos de clustering: k-means, jerárquico
• Reducción de dimensionalidad: PCA y SVD
• Evaluación e interpretación de clusters

Core Tier2

• Técnicas de detección de anomalías

Objetivos de Aprendizaje (Learning Outcomes):
Core-Tier1:

1. Aplicar clustering k-means para segmentar un conjunto de datos [Usar]
2. Usar PCA para reducción de dimensionalidad y visualización [Usar]
3. Interpretar los resultados de un análisis de clustering [Evaluar]

Core-Tier2:

1. Explicar el papel de la detección de anomalías en aplicaciones industriales [Familiarizarse]