CURSO DE MACHINE LEARNING TRADICIONAL

Modelos supervisados y evaluación de desempeño

• ¿Qué es el Machine Learning? Tipos: supervisado vs. no supervisado
• Regresión lineal simple y múltiple
• Clasificación con KNN / Árboles de decisión
• Evaluación de modelos: precisión, matriz de confusión, accuracy_score, classification_report
• Separación de datos en entrenamiento y prueba (train_test_split)

Clustering y proyecto integrador

• Introducción al clustering
• K-means: funcionamiento, selección de k, interpretación de resultados
• Visualización de clústeres con matplotlib y seaborn
• Comparación de agrupaciones con características reales (ventas, categorías de clientes)
• Proyecto integrador: predicción de ventas o churn con clasificación + segmentación con K-means