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, Instituto de Data Science, Facultad de Ingeniería, Universidad del Desarrollo, Chile. Director de CRiSS-LAB.
Cristian Candia estudia cómo las sociedades transforman información en relevancia colectiva a través de la atención, la memoria, las preferencias y la coordinación. Su trabajo combina ciencia social computacional, ciencia de redes, IA y datos conductuales a gran escala para entender cómo grupos, instituciones y sociedades deciden qué importa.