Machine Learning | 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.

Graph embeddings y diversificación de firmas

Wed, 27 May 2026 00:00:00 +0000

Las firmas rara vez diversifican al azar. Sus nuevas actividades dependen de capacidades, proximidad de mercado, oportunidades institucionales y del historial de lo que ya saben hacer.

El nuevo capítulo sobre diversificación de firmas usa datos de compras públicas y embeddings de grafos para representar empresas y actividades en un espacio relacional. Esa representación permite que los modelos de machine learning capturen proximidades que pueden reflejar capacidades y oportunidades.

Para complejidad económica, esto importa porque hace la diversificación más medible y potencialmente más accionable.

Augmenting Firm Diversification Behavior Prediction with Graph Embeddings

Wed, 25 Feb 2026 00:00:00 +0000