Perfilado de sección

  • En esta segunda semana profundizaremos en el núcleo de la IA moderna: el aprendizaje automático. Analizaremos en detalle los tres paradigmas principales que guían el entrenamiento de los algoritmos: aprendizaje supervisado, no supervisado y por refuerzo. Cada problema en la industria requiere un enfoque distinto; etiquetar datos manualmente tiene un costo, por lo que elegir el paradigma correcto define el éxito de un proyecto. Veremos cómo diferenciar un escenario predictivo de uno de segmentación. Como académicos y desarrolladores, es crucial dominar la teoría detrás del refuerzo, donde los agentes aprenden mediante prueba y error en entornos simulados, una pieza clave en el desarrollo de arquitecturas más generalistas.

    •  Cómo crear un modelo de machine learning en Python (paso a paso)

      (En este video se implementa, desde cero y usando scikit-learn, un algoritmo supervisado de clasificación ideal para los conceptos de esta semana)

    • Actividad (Tarea):

      Descarga la base de datos "Titanic Survival" desde el siguiente enlace directo: Base de Datos Titanic (CSV). Utilizando Google Colab, crea un Notebook en Python que realice lo siguiente:

      1. Importa la librería pandas y carga el archivo CSV directamente desde la URL proporcionada.

      2. Imprime las primeras 15 filas del dataset.

      3. Escribe un comentario en el código identificando cuál sería la columna objetivo (target) si quisiéramos aplicar Aprendizaje Supervisado para predecir si un pasajero sobrevivió o no, y enumera tres columnas que usarías como variables predictoras (features).

    • Foro:

      Considerando los tres paradigmas revisados en clase, plantea un caso de uso real en la industria de la salud donde sea estrictamente necesario utilizar aprendizaje no supervisado (sin datos etiquetados) en lugar de supervisado. Justifica tu elección.