Macroentrenamiento en Inteligencia Artificial

Repositorio central de materiales, prácticas y soluciones para el curso de especialización en Minería de Datos y el reto de Procesamiento de Lenguaje Natural (NLP).

Estructura del Proyecto

El repositorio está organizado en dos módulos principales correspondientes a las áreas de estudio del curso.

1. Minería de Datos

Directorio: Mineria_de_datos/

Este módulo contiene implementaciones de algoritmos de aprendizaje supervisado y no supervisado, así como pipelines de procesamiento de datos.

• Contenido Técnico:
  • Preprocesamiento: Limpieza de datos, detección de anomalías y manejo de valores faltantes.
  • Aprendizaje Supervisado: Regresión (Lineal, Polinomial, Logística), SVM, KNN, Naive Bayes y XGBoost.
  • Aprendizaje No Supervisado: K-Means, K-Modes, DBSCAN, GMM y Agrupamiento Jerárquico.
  • Reducción de Dimensionalidad: PCA, KernelPCA y LDA.
• Organización:
  • notas/: Jupyter Notebooks con la teoría y ejemplos de implementación.
  • practicas/: Evaluaciones prácticas (q1 a q5).
  • dataSets/: Fuentes de datos (CSV, NPY) utilizadas en los ejercicios.

2. Reto: Análisis de Sentimientos en Pueblos Mágicos

Directorio: reto_NLP/

Desarrollo de una solución de NLP para la clasificación de sentimientos basada en reseñas de turismo.

• Notebook Principal: Resultados/Reto_primer_intento.ipynb
• Datos:
  • corpus/: Contiene los conjuntos de entrenamiento (MeIA_2025_train.xlsx) y prueba.
• Salidas:
  • Resultados/generados/: Archivos CSV con polaridad aumentada y resultados de predicción del equipo.

Instalación y Dependencias

El proyecto requiere Python. Las librerías necesarias para ejecutar los notebooks (pandas, numpy, scikit-learn, matplotlib, etc.) se encuentran listadas en el archivo de requisitos.

pip install -r requirements.txt

Instructores

• Dr. Eduardo Espinosa Avila (Minería de Datos con Python y Altair AI Studio)

• Dr. Miguel Ángel Álvarez Carmona (Reto de Análisis de Sentimientos)