Aprendizaje No Supervisado, Sistemas Recomendadores, Aprendizaje de Refuerzo

Científica de Datos, maestra y autora del libro “Ciencia de Datos: Una Guía Práctica”. Es Licenciada en Economía (PUCMM) con Maestría en Gerencia, Gestión financiera, Administración y Gestión de Empresas (IE Business School) y una maestría en Ciencia de Datos de OBS Business School.

Hoy en día funge como Directora de Data y Analítica en el Grupo Humano. Posee una amplia experiencia en la formación y gestión de equipos, data y analítica, con miras al desarrollo de la cultura de datos de las empresas.Es profesora en el Instituto Tecnológico de Santo Domingo (INTEC) y en la Pontificia Universidad Católica Madre y Maestra (PUCMM). Es fundadora de Data Talks, un espacio destinado al sector profesional con el objetivo de compartir ideas y experiencias relacionadas con el tema de datos y analítica.
En este curso descubrirás cómo la inteligencia artificial puede aprender sin supervisión humana, encontrar patrones ocultos en los datos y tomar decisiones de manera autónoma.

Aprenderás a construir modelos que agrupan información, detectan anomalías, hacen recomendaciones personalizadas y aprenden mediante la experiencia.

Combinarás teoría y práctica utilizando Python y TensorFlow para desarrollar tus propios modelos de clustering, sistemas recomendadores y algoritmos de aprendizaje por refuerzo.

Lo que aprenderás

  • Cómo funciona el aprendizaje no supervisado y cuándo aplicarlo.
  • Técnicas de clustering con K-means y cómo elegir el número ideal de grupos.
  • Detección de anomalías y eventos inusuales usando distribuciones gaussianas.
  • Construcción de sistemas recomendadores, tanto de filtrado colaborativo como basado en contenido.
  • Reducción de dimensionalidad con Análisis de Componentes Principales (PCA).
  • Fundamentos del aprendizaje por refuerzo, incluyendo funciones de valor, políticas de acción y la ecuación de Bellman.
  • Prácticas guiadas para aplicar cada técnica en casos reales.

Ideal para ti si…

  • Ya conoces los principios del aprendizaje supervisado y quieres entender cómo la IA aprende sin etiquetas o instrucciones directas.
  • Te interesa desarrollar modelos aplicados a recomendación de productos, segmentación de usuarios o automatización de decisiones.
  • Buscas dominar los conceptos más avanzados que dan forma a la IA moderna.

Al completar este curso podrás:

Comprender los principales enfoques de aprendizaje no supervisado: clustering y detección de anomalías, qué problemas resuelven en la práctica en escenarios reales.
Entender la lógica detrás de los sistemas recomendadores: recomendación basada en contenido,  riesgos de sesgo y consideraciones éticas.
Entender los principios básicos del aprendizaje por refuerzo y su alcance real.
Culminar tu aprendizaje con un caso de uso real de IA para obtener tu certificación final.

Course Lessons

Temas incluidos en este curso

Creado con