Ciencia de Datos | CRiSS-LAB Chile

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.

Cuando la inseguridad cambia la forma de moverse

Tue, 26 May 2026 00:00:00 +0000

La movilidad urbana no es solo un problema de transporte. También está moldeada por percepción, miedo, rutina y exposición desigual al riesgo.

El artículo en EPJ Data Science sobre sentimientos de inseguridad estudia cómo la percepción de inseguridad se relaciona con el movimiento diario, con énfasis en diferencias de género. Al conectar percepciones subjetivas con datos objetivos de movilidad, el trabajo muestra cómo el miedo puede convertirse en una restricción real sobre el uso de la ciudad.

Para la política pública, la lección es concreta: ciudades más seguras e inclusivas no se miden solo por estadísticas de delito, sino también por la reducción de barreras cotidianas para moverse libremente.

Ciencia de Redes y Sistemas Complejos

Fri, 15 May 2026 00:00:00 +0000

Este curso introduce la ciencia de redes como lenguaje técnico y conceptual para estudiar sistemas sociales, tecnológicos, biológicos y organizacionales. Los estudiantes trabajan con construcción de grafos, centralidad, comunidades, modelos nulos, difusión, predicción de enlaces y machine learning sobre grafos.

El sitio público del curso está disponible en networks.criss-lab.com.

Inferencia Causal para Ciencia de Datos

Fri, 01 Aug 2025 00:00:00 +0000

El curso cubre herramientas para razonar sobre causalidad en problemas aplicados de ciencia de datos. El foco está en formular preguntas identificables, distinguir correlación de efecto causal y evaluar intervenciones usando diseños experimentales y cuasi-experimentales.