Conocer la diferencia entre el aprendizaje supervisado y no supervisado para abordar el estudio de sus técnicas, así como comprender el concepto de agrupamiento (clustering) y sus elementos para aplicarlo a problemas.
La importancia del aprendizaje no supervisado ha aumentado debido a que los dispositivos han mejorado su tecnología de almacenamiento, por lo que esto impacta el presente con aplicaciones como la visualización de información, la reducción de dimensionalidad, el hallazgo de reglas de asociación y la detección de anomalías. Por ende, representa una tecnología de valor, ya que permite descubrir propiedades y patrones implícitos que pueden ser útiles para categorizar conjuntos de datos desconocidos.
Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.
Para conocer más sobre los fundamentos matemáticos para el aprendizaje automático, te recomendamos leer:
Wilson, A. (2020). A Brief Introduction to Unsupervised Learning. Recuperado de https://towardsdatascience.com/a-brief-introduction-to-unsupervised-learning-20db46445283
Comprender por qué la técnica de agrupamiento pertenece al aprendizaje no supervisado.
La agrupación en clústeres suele utilizarse como una técnica de apoyo para tareas de aprendizaje supervisado, tal y como la clasificación. Por ejemplo, si una empresa desea clasificar nuevos usuarios en diferentes categorías, la técnica de clustering (agrupamiento) permitiría agrupar a cada usuario en un clúster, el cual representaría una categoría, por lo que después se podría construir un clasificador de nuevos usuarios por categoría.
Considerando lo anterior:
Asegúrate de: