Modelos de Machine Learning No Supervisados
Un recorrido aplicado y riguroso por el aprendizaje no supervisado moderno: desde la geometría de datos, clustering y reducción de dimensionalidad hasta embeddings profundos, modelos generativos y arquitecturas Transformer. El foco es desarrollar criterio experto para descubrir estructura, representar información compleja e interpretar modelos de Machine Learning con estándares profesionales.
Material del curso
Cada clase tiene una versión HTML para navegación rápida y el notebook original para trabajo práctico reproducible.
Introducción y Clustering
Fundamentos de aprendizaje no supervisado, K-Means, clustering jerárquico, DBSCAN y HDBSCAN.
Reducción de Dimensionalidad
PCA, t-SNE, UMAP y exploración visual de estructuras latentes.
Recursos complementarios
- Explorador interactivo de PCA, t-SNE y UMAPInteractivo HTML
Embeddings y Autoencoders
Representaciones, redes neuronales, autoencoders densos, convolucionales y variacionales.
Recursos complementarios
- Autoencoder 5-2-5: propagación hacia adelante y backpropagationInteractivo HTML
- Visualización de codificación desde la capa de entradaInteractivo HTML
- Simulador de optimizadores y ajuste de modelosInteractivo HTML
- Intuición interactiva de autoencoders variacionalesInteractivo HTML
Modelos Generativos
GANs, atención, Transformers, BERT y GPT.
Recursos complementarios
- Visualizador interactivo de atención en TransformersInteractivo HTML
Recursos complementarios
HTMLs interactivos alojados de forma nativa en este sitio, incluidos los que se usan o se embeben desde notebooks.
| Módulo | Recurso | Tipo |
|---|---|---|
| Módulo 2 | Explorador interactivo de PCA, t-SNE y UMAP Comparador visual para entender cómo distintas técnicas proyectan datos de alta dimensión. | Interactivo HTML |
| Módulo 3 | Autoencoder 5-2-5: propagación hacia adelante y backpropagation Herramienta didáctica para seguir el flujo de activaciones, errores y gradientes en un autoencoder pequeño. | Interactivo HTML |
| Módulo 3 | Visualización de codificación desde la capa de entrada Recurso para ver cómo una representación inicial se transforma antes de llegar al espacio latente. | Interactivo HTML |
| Módulo 3 | Simulador de optimizadores y ajuste de modelos Simulador para comparar trayectorias de aprendizaje durante el ajuste de un modelo. | Interactivo HTML |
| Módulo 3 | Intuición interactiva de autoencoders variacionales Exploración visual de prior, posterior y muestreo en modelos variacionales. | Interactivo HTML |
| Módulo 4 | Visualizador interactivo de atención en Transformers Visualizador para interpretar pesos de atención y relaciones entre tokens. | Interactivo HTML |
| Recurso | Introducción interactiva a redes neuronales Sitio didáctico para reforzar conceptos básicos de redes neuronales antes de autoencoders y Transformers. | Sitio interactivo |