Aprendizaje no supervisado para sistemas sociales

Sat, 30 May 2026 00:00:00 +0000

Muchos datos sociales llegan sin etiquetas limpias. No siempre sabemos de antemano qué tipos de estudiantes, firmas, barrios, conversaciones o trayectorias culturales existen en los datos.

El aprendizaje no supervisado permite convertir esa incertidumbre en una herramienta analítica. Clustering, embeddings, reducción de dimensionalidad, modelos de tópicos y detección de anomalías ayudan a encontrar estructura sin imponer categorías demasiado temprano.

En CRiSS-LAB esto es clave para preguntas sobre grupos de estudiantes, memoria científica, movilidad urbana y cultura. Buenos flujos no supervisados no reemplazan la teoría: ayudan a formular mejores hipótesis.

Machine Learning No Supervisado

Sat, 30 May 2026 00:00:00 +0000

Este curso introduce el aprendizaje no supervisado como un marco práctico para encontrar estructura en datos complejos sin etiquetas predefinidas. Los estudiantes trabajan con clustering, reducción de dimensionalidad, embeddings, factorización matricial, modelos de tópicos, detección de anomalías, representaciones de grafos y validación de modelos.

El foco está en aplicaciones de ciencia de datos y ciencias sociales computacionales: trazas conductuales, texto, redes, educación, cultura, organizaciones y problemas de política pública.

Aprendizaje No Supervisado | CRiSS-LAB Chile

Aprendizaje no supervisado para sistemas sociales

Machine Learning No Supervisado