1 · Reducción de dimensionalidad
De la maldición de la dimensionalidad a PCA — comprime features sin perder la señal.
●Track 6 · En vivo
ML no supervisado
Encuentra estructura sin etiquetas — clustering y proyección.
PCA, K-Means, clustering jerárquico, DBSCAN, silueta, detección de anomalías (Isolation Forest, LOF). La escena de iteración de K-Means muestra centros y asignaciones convergiendo en tiempo real.
9 / 15 lecciones3 capítulos
2 · Clustering
K-Means como el clusterer canónico, y luego jerárquico y DBSCAN para las formas que K-Means no puede manejar.
3 · Detección de anomalías y evaluación
Isolation Forest y LOF para encontrar outliers — y las métricas que te dicen si tu modelo no supervisado funciona.