Modelos de Aprendizaje Automático Máster en Inteligencia Artificial, Automatización y Agentes Digitales Next Educación · Próxima edición Sami Halawa Ribas
Índice
1Técnicas
2Evaluación
3Accionabilidad
4Práctica: Segmentación accionable
Mapa de la sesión
Objetivos de la sesión
Al terminar, el alumno será capaz de
1. Aplicar técnicas de agrupamiento con criterio.
2. Evaluar la calidad de una segmentación.
3. Traducir clusters a segmentos accionables.
Estos objetivos son los que se evalúan en la práctica de la sesión y en la prueba del módulo.
1
Técnicas
M3 · Sesión 6 · Modelos no supervisados: segmentación
Técnicas
M3 · Sesión 6 · figura 1 de 3
Técnicas — en la práctica
Qué hay que saber decidir
k-medias y sus supuestos
Agrupamiento jerárquico
Dónde suele fallar
DBSCAN y densidad
Modelos de mezcla
Criterio: ninguna de estas decisiones se toma por costumbre; cada una se justifica por escrito en el cuaderno de la sesión.
2
Evaluación
M3 · Sesión 6 · Modelos no supervisados: segmentación
Evaluación
M3 · Sesión 6 · figura 2 de 3
Evaluación — en la práctica
Qué hay que saber decidir
Silueta e índices internos
Estabilidad de la solución
Dónde suele fallar
Elección del número de grupos
Cuándo no hay estructura
Criterio: ninguna de estas decisiones se toma por costumbre; cada una se justifica por escrito en el cuaderno de la sesión.
3
Accionabilidad
M3 · Sesión 6 · Modelos no supervisados: segmentación
Accionabilidad
M3 · Sesión 6 · figura 3 de 3
Accionabilidad — en la práctica
Qué hay que saber decidir
Perfilado e interpretación de segmentos
Nombrado y tamaño mínimo útil
Dónde suele fallar
Traducción a acción comercial
Seguimiento en el tiempo
Criterio: ninguna de estas decisiones se toma por costumbre; cada una se justifica por escrito en el cuaderno de la sesión.
4
Práctica
Segmentación accionable
Práctica: Segmentación accionable
Segmentación completa con evaluación de estabilidad y perfilado de negocio.
Pasos
Preparar y escalar variables.
Comparar tres técnicas.
Evaluar estabilidad por remuestreo.
Perfilar y nombrar los segmentos.
Stack
scikit-learn, pandas
Entregable
Segmentación con ficha de cada segmento.
Ideas que hay que retener
Técnicas: k-medias y sus supuestos
Evaluación: Silueta e índices internos
Accionabilidad: Perfilado e interpretación de segmentos
Aplicar técnicas de agrupamiento con criterio.
Para seguir
Hastie et al., ESL, cap. 14 (14.3)
Lectura opcional. El material de referencia obligatorio es el manual del módulo y el cuaderno de la sesión.
Sesión 6 completada
Siguiente paso: entregar «Segmentación con ficha de cada segmento.»
M3 · Modelos de Aprendizaje Automático Sami Halawa Ribas · Next Educación