Machine Learning No Supervisado
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.
El sitio público del curso está disponible en nosupervisado.criss-lab.com.
Cristian Candia
Profesor Asociado y Director de CRiSS-LAB, Facultad de Ingeniería y Facultad de Gobierno, Universidad del Desarrollo, Chile.
Mis intereses de investigación incluyen IA aplicada, ciencias sociales computacionales, ciencia de redes, inteligencia colectiva, convivencia escolar, inteligencia de decisiones y analítica de negocios.