Clusterización: cómo manejar datos no etiquetados

Resumen del curso

• Explore y ajuste datos para un modelo de agrupamiento
• Implemente un modelo de agrupamiento
• Evalúe el rendimiento de un modelo K-means utilizando métricas apropiadas
• Aplique técnicas de ajuste de datos para mejorar el rendimiento del modelo
• Elija el mejor valor para la cantidad de agrupamientos en K-means
• Desarrolle una aplicación web interactiva utilizando Streamlit que permita la visualización de las predicciones para otros conjuntos de datos
• Integre el modelo de predicción en la aplicación web, garantizando que las predicciones puedan generarse y visualizarse en tiempo real

Público Objetivo

Personas estudiantes de clusterización. Personas interesadas en Machine Learning. Personas cientifícas de datos.

Contenido relacionado

Cursos de Machine Learning en Data Science. Lea nuestros artículos de Data Science.

Última actualización

6/5/2025

¿Ya eres alumno?

Comienza el curso ahora