Curso libreInteligencia artificial y datos
Agrupamiento de datos
El curso Agrupamiento de datos proporciona al estudiante técnicas de aprendizaje no supervisado para descubrir grupos en los datos, como k-medias, agrupamiento jerárquico, DBSCAN y mezclas gaussianas, y para validarlos e interpretarlos. Le sirve para segmentar clientes, productos o territorios y proponer acciones de negocio por segmento a partir de variables RFM.
A quién va dirigido
Personas con Python básico y estadística descriptiva.
Objetivos
✓Comprender las distancias euclidiana, Manhattan y coseno, el escalamiento y el tratamiento de atípicos antes de agrupar.
✓Analizar la calidad de los grupos con el método del codo, el coeficiente de silueta y la estabilidad de los grupos.
✓Aplicar k-medias, agrupamiento jerárquico, DBSCAN, HDBSCAN y mezclas gaussianas en scikit-learn.
✓Diseñar una segmentación de clientes con análisis RFM y un plan de acción por segmento.
✓Valorar la caracterización clara de segmentos, apoyada en visualización con PCA y UMAP, para decisiones de negocio.
Plan de estudios por sesión
1
Preparación para el agrupamientoDistancias euclidiana, Manhattan y coseno y escalamiento de variables · Variables RFM de clientes y tratamiento de atípicos
2
Algoritmos de agrupamientok-medias, k-medias++ y agrupamiento jerárquico con dendrogramas · DBSCAN, HDBSCAN y modelos de mezclas gaussianas
3
Evaluación y visualización de gruposMétodo del codo, coeficiente de silueta y estabilidad de los grupos · PCA y UMAP para visualización y perfilamiento de segmentos
4
Presentación del proyecto final: segmentación de clientes con RFMSegmentación RFM y nombres y descripciones de segmentos con apoyo de IA · Acciones por segmento y presentación de resultados
Evaluación
Inicial30%Preparación de un conjunto de clientes con variables RFM, escalamiento y tratamiento de atípicos.
Intermedio30%Taller comparativo de k-medias, jerárquico y DBSCAN con selección del número de grupos por codo y silueta.
Final40%Proyecto final: segmentación de clientes de un comercio con análisis RFM, validación de grupos y plan por segmento, con sustentación.
Proyecto final
Segmentación de clientes de un comercio con análisis RFM, validación de grupos y plan de acción por segmento.