Programa especializado

Algoritmos no supervisados con Python

Presentación

Aprende a identificar patrones ocultos y segmentar datos utilizando técnicas de aprendizaje no supervisado con Python.

Descargar Brochure

¿A quiénes va dirigido?

Estudiantes y egresados interesados en Ciencia de Datos y Machine Learning.
Analistas de datos que buscan incorporar técnicas de segmentación y clustering a sus proyectos.
Profesionales de marketing, negocios e investigación que trabajan con perfiles de clientes y análisis de comportamiento.
Investigadores y profesionales de ciencias sociales que requieren identificar patrones en bases de datos complejas.

Inscríbete

Ruta de Aprendizaje

Curso

Algoritmos no supervisados con Python

Estadística aplicada y preparación de datos

Tipos de variables, medidas de tendencia central y dispersión.
Correlación entre variables y detección básica de outliers.
Escalado de variables y preparación de datos para agrupar.

Clustering paso a paso: K-means, jerárquico y DBSCAN

K-means desde cero con ejemplos de 2 variables y preferencias del consumidor.
Clustering jerárquico y lectura intuitiva de dendrogramas.
DBSCAN para detectar grupos irregulares y datos “ruidosos”.

Reducción de dimensionalidad y visualización de clusters

Idea de PCA para simplificar conjuntos de muchas variables.
Visualización de grupos en 2D usando componentes principales.
Interpretación de segmentos en un lenguaje cercano al negocio.

CERTIFICACIÓN

Obtén tu certificación con código de validación y QR únicos. Este reconocimiento se otorgará a los participantes que aprueben satisfactoriamente las evaluaciones del programa

Docente

Sergio Díaz Paredes

Economista por la UNMSM, magíster en Estadística Aplicada por la UNALM y candidato a magíster en Ciencias de la Computación por la UNSA. Cuenta con certificaciones en ciencia de datos por IBM y especializaciones en Pricing Analytics y SQL por DMC Perú. Ha sido analista senior en LOS ANDES y Globokas Perú, aplicando modelos predictivos y herramientas estadísticas. Difusor de herramientas oper source y metodos cuantitativos en Linkedin.