Módulo 3. Modelos de Aprendizaje Automático
Construcción, validación e interpretación de modelos supervisados y no supervisados, con énfasis en la validación honesta, la selección de métricas y la comunicación de resultados al negocio.
Créditos6 ECTS
Horas150 h
Unidades4
Sesiones12
Todos los módulos Guía docente · Rúbrica
Competencias específicas
- Construir modelos supervisados y no supervisados.
- Seleccionar métricas adecuadas.
- Mejorar modelos mediante validación y tuning.
- Interpretar resultados.
- Comunicar hallazgos a negocio.
Resultados de aprendizaje
- Implementa un flujo completo de ML con scikit-learn.
- Elige el modelo adecuado a un problema dado.
- Evalúa con métricas correctas.
- Detecta problemas de desbalanceo.
- Presenta resultados de forma comprensible.
Unidades didácticas y sesiones
| # | Sesión | Teoría | Práctica |
|---|---|---|---|
| UD1. Flujo de ML y modelos supervisados · 15 h teóricas / 25 h prácticas Scikit-learn, regresión lineal/logística. Árboles, random forest, gradient boosting. | |||
| S01 | Marco del aprendizaje supervisado | Presentación | Cuaderno |
| S02 | Modelos lineales y regularización | Presentación | Cuaderno |
| S03 | Árboles y modelos de conjunto | Presentación | Cuaderno |
| UD2. Modelos no supervisados · 15 h teóricas / 20 h prácticas k-means, clustering jerárquico. PCA y aplicaciones de segmentación. | |||
| S04 | Agrupamiento con k-medias | Presentación | Cuaderno |
| S05 | Agrupamiento jerárquico y por densidad | Presentación | Cuaderno |
| S06 | PCA y segmentación accionable | Presentación | Cuaderno |
| UD3. Evaluación y mejora de modelos · 15 h teóricas / 25 h prácticas Train/test, cross validation. Métricas de clasificación y regresión. Desbalanceo. | |||
| S07 | Validación: particiones y validación cruzada | Presentación | Cuaderno |
| S08 | Métricas de clasificación, de regresión y umbral de decisión | Presentación | Cuaderno |
| S09 | Desbalanceo de clases y mejora del modelo | Presentación | Cuaderno |
| UD4. Interpretabilidad y comunicación · 15 h teóricas / 20 h prácticas Feature importance, SHAP (visión). Reporting para negocio. | |||
| S10 | Interpretabilidad y explicación de modelos | Presentación | Cuaderno |
| S11 | Taller: informe de resultados y presentación a negocio | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |