Skip to content

Commit

Permalink
Merge pull request #3 from lgomezt/lgomezt-patch-2
Browse files Browse the repository at this point in the history 
Update README.md
  • Loading branch information
@lgomezt
lgomezt authored Jun 24, 2023
2 parents 1d252d9 + 0168d3c commit 4d6a133
Showing 1 changed file with 6 additions and 8 deletions.
14 changes: 6 additions & 8 deletions README.md
View file
Original file line number Diff line number Diff line change
Expand Up @@ -11,13 +11,11 @@ El contenido del curso está dividido en semanas. Cada semana contiene un subcon
| Prerequisitos | <ul><li>[Repaso de Algebra Lineal](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week0/S0_LSC1_Algebra_Lineal/S0_LSC1_Algebra_Lineal.ipynb)</li> <li>[Ejercicios de Algebra Lineal](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week0/S0_LSC1b_Algebra_Lineal_Solucion/S0_LSC1b_Algebra_Lineal_Solucion.ipynb)</li> <li>[Introducción a Python](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week0/S0_LSC2_Introduccion_Python/S0_LSC2_Introduccion_Python.ipynb)</li> <li>[Introducción a GitHub](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week0/S0_LSC3_GitHub/S0_LSC3_GitHub.ipynb)</li></ul> |
| Reducción de Dimensionalidad I | <ul><li>[Análisis de Componentes Principales (PCA). Fundamentos Teóricos](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week1/S1_LSC1_PCA/S1_LSC1_PCA.ipynb)</li> <li> [Análisis de Componentes Principales (PCA). Detalles sobre su Implementación](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week1/S1_LSC2_PCA_detalles/S1_LSC2_PCA_detalles.ipynb) </li> <li> [Taller PCA](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week1/S1_LC_Taller_PCA/S1_LC_Taller_PCA.ipynb) </li> </ul> |
| Reducción de Dimensionalidad II | <ul><li>[Descomposición en Valores Singulares (SVD). Fundamentos Teóricos](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week2/S2_LSC1_SVD/S2_LSC1_SVD.ipynb) </li> <li>[Descomposición en Valores Singulares. Interpretación Geométrica y Ejercicios Teóricos](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week2/S2_LSC2_Geometria_Ejercicios_Teoricos/S2_LSC2_Geometria_Ejercicios_Teoricos.ipynb) </li> <li>[Solución a Ejercicios sobre Descomposición en Valores Singulares](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week2/S2_LSC3_SVD_Ejercicios_Teoricos_Solucion/S2_LSC3_SVD_Ejercicios_Teoricos_Solucion.ipynb) </li> <li>[Taller SVD](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week2/S2_LC_Taller_SVD/S2_LC_Taller_SVD.ipynb) </li> </ul> |
| Clustering I | <ul><li>[Introducción al Análisis de Clusters](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week3/S3_LSC1_Clustering/S3_LSC1_Clustering.ipynb)</li><li>[K-Medias](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week3/S3_LSC2_K_medias/S3_LSC2_K_medias.ipynb)</li><li>[K-Medoides](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week3/S3_LSC3_Medoides/S3_LSC3_Medoides.ipynb)</li></ul> |
| Clustering II | <ul><li>Clustering Jerárquico</li><li>DBSCAN</li></ul> |
| Sistemas de Recomendación I | - Fundamentos Teóricos de los Sistemas de Recomendación - Filtrado Colaborativo Basado en Items - Análisis de Canastas de Compra - Reglas de Asociación - Algoritmo Apriorio - Filtrado Colaborativo Basado en Usuarios |
| Sistemas de Recomendación II | - Modelos de Tópicos (LDA) - Filtrado Colaborativo Basado en Contenido - Expresiones Regulares - Introducción al Procesamiento del Lenguaje Natural |
| Sistema de Información Geográfico (GIS) I | - Introducción a los Datos Geográficos - Estimación de Densidad de Kernel (KDE) |
| Sistema de Información Geográfico (GIS) II | - Mixturas Gaussianas |


| Clustering I | <ul><li>[Introducción al Análisis de Clusters](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week3/S3_LSC1_Clustering/S3_LSC1_Clustering.ipynb)</li><li>[K-Medias](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week3/S3_LSC2_K_medias/S3_LSC2_K_medias.ipynb)</li><li>[K-Medoides](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week3/S3_LSC3_Medoides/S3_LSC3_Medoides.ipynb)</li> <li>[Taller K-Medias y K-Medoides](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week3/S3_LC_Taller_Kmeans_Medoids/S3_LC_Taller_Kmeans_Kmedoids.ipynb) </li></ul> |
| Clustering II | <ul><li>[Clustering Jerárquico](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week4/S4_LSC1_Jerarquico/S4_LSC4_Jerarquico.ipynb)</li><li>[DBSCAN](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week4/S4_LSC2_DBSCAN/S4_LSC2_DBSCAN.ipynb)</li> <li>[Taller Clustering Jerárquico y DBSCAN](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week4/S4_LC1_Taller_Jerarquico_DBSCAN/S4_LC_Taller_Jerarquico_DBSCAN.ipynb)</li></ul> |
| Sistemas de Recomendación I | <ul><li>[Sistemas de Recomendación. Fundamentos Teóricos](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week5/S5_LSC1_Recomendac/S5_LSC1_Recomendac.ipynb)</li><li>[Filtrado Colaborativo Basado en Items: Análisis de Canasta de Compra](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week5/S5_LSC2_MBA/S5_LSC2_MBA.ipynb)</li> <li> [Filtrado Colaborativo Basado en Usuarios](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week5/S5_LSC3_Colab/S5_LSC3_Colab.ipynb) </li> <li>[Taller Sistemas de Recomendación I](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week5/S5_LC1_Taller_Colab/S5_LC1_Taller_Colab.ipynb)</li></ul> |
| Sistemas de Recomendación II | <ul> <li> [Sistemas de Recomendación basados en Contenidos](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week6/S6_LSC2_Content/S6_LSC2_Content.ipynb) </li> <li> [Introducción al Procesamiento del Lenguaje Natural (NLP)](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week6/S6_LSC1_NLP/S6_LSC1_NLP.ipynb) </li> <li> [Modelos de Tópicos (LDA)](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week6/S6_LSC3_LDA/S6_LSC3_LDA.ipynb) </li> <li> [Taller Sistemas de Recomendación II](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week6/S6_LC1_Taller_LDA/S6_LC1_Taller_LDA.ipynb) </li> </ul> |
| Sistema de Información Geográfico (GIS) I | <ul> <li> [Datos Espaciales. Fundamentos teóricos](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week7/S7_LSC1_Datos_Geograficos/S7_LSC1_Datos_Geograficos.ipynb) </li> <li> [Estimación de Densidades para el Análisis de Puntos Calientes. Fundamentos Teóricos](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week7/S7_LSC2_KDE/S7_LSC2_KDE.ipynb) </li> <li> [Taller Datos Geográficos](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week7/S7_LC_Taller_Geograficos_KDE/S7_LC_Taller_Geograficos_KDE.ipynb) </li> </ul> |
| Sistema de Información Geográfico (GIS) II | <ul> <li> [Modelo de Mixturas Gaussianas. Fundamentos teóricos](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week8/S8_LSC1_GMM/S8_LSC1_GMM.ipynb) </li> <li> [Taller Mixturas Gaussianas](https://github.com/lgomezt/Unsupervised_Learning_MIAD/blob/main/Tutoriales/Week8/S8_LC_Taller_GMM/S8_LC_Taller_GMM.ipynb) </li> </ul> |

*Nota: Este repositorio no reemplaza el curso enseñado en Coursera pues carece de sesiones de clase sincronicas, el contenido audiovisual asincronico, el trabajo en equipo y las retroalimentaciones del equipo docente. No obstante, el material acá consignado es una buena introducción para todo aquel que desee aprender sobre el Aprendizaje No Supervisado*.

0 comments on commit 4d6a133

Please sign in to comment.