Aprendizaje No Supervisado

Este repositorio contiene los cuadernos que guiarán al estudiante a través del curso de Aprendizaje No Supervisado de la Maestría en Inteligencia Analítica de Datos de la Universidad de los Andes. Los notebooks, quices y talleres acá consignados fueron desarrollados en conjunto por el profesor Ignacio Sarmiento Barbieri y Lucas Gómez Tobón.

Tabla de contenido

El contenido del curso está dividido en semanas. Cada semana contiene un subconjunto de jupyter notebooks con los tópicos de la semana. En los notebooks encontrará las explicaciones teóricas y los tutoriales prácticos en Python para cada técnica. Adicionalmente, al final de cada semana encontrará un taller para poner en práctica el conocimiento aprendido durante la semana. Los cuadernos se encuentran en la carpeta de Tutoriales del repositorio, sin embargo, acá le presentamos una Tabla de Contenido con los hipervínculos a cada uno de los cuadernos para facilitar el acceso.

Semana	Tópicos
Prerequisitos	Repaso de Algebra Lineal Ejercicios de Algebra Lineal Introducción a Python Introducción a GitHub
Reducción de Dimensionalidad I	Análisis de Componentes Principales (PCA). Fundamentos Teóricos Análisis de Componentes Principales (PCA). Detalles sobre su Implementación Taller PCA
Reducción de Dimensionalidad II	Descomposición en Valores Singulares (SVD). Fundamentos Teóricos Descomposición en Valores Singulares. Interpretación Geométrica y Ejercicios Teóricos Solución a Ejercicios sobre Descomposición en Valores Singulares Taller SVD
Clustering I	Introducción al Análisis de Clusters K-Medias K-Medoides Taller K-Medias y K-Medoides
Clustering II	Clustering Jerárquico DBSCAN Taller Clustering Jerárquico y DBSCAN
Sistemas de Recomendación I	Sistemas de Recomendación. Fundamentos Teóricos Filtrado Colaborativo Basado en Items: Análisis de Canasta de Compra Filtrado Colaborativo Basado en Usuarios Taller Sistemas de Recomendación I
Sistemas de Recomendación II	Sistemas de Recomendación basados en Contenidos Introducción al Procesamiento del Lenguaje Natural (NLP) Modelos de Tópicos (LDA) Taller Sistemas de Recomendación II
Sistema de Información Geográfico (GIS) I	Datos Espaciales. Fundamentos teóricos Estimación de Densidades para el Análisis de Puntos Calientes. Fundamentos Teóricos Taller Datos Geográficos
Sistema de Información Geográfico (GIS) II	Modelo de Mixturas Gaussianas. Fundamentos teóricos Taller Mixturas Gaussianas

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.