Módulo 10 · Unidad III

PCA, K-Means y clustering jerárquico

Descubrir estructuras no supervisadas con escala, distancia, estabilidad e interpretación orientada a acciones.

Dedicación2 encuentros RequisitosMódulos 01 y 04

Centro del módulo

Índice interactivo

Abrí cada recurso y marcá el avance. El estado se conserva en tu navegador.

Índice interactivo del módulo
RecursoAcceso
Guía de estudio · PCA, K-Means y jerárquico (91 diapositivas)Abrir guía de estudio
Simulaciones interactivas · 14 laboratorios (PCA, K-Means y jerárquico)Abrir 14 simulaciones
Videos complementarios · 14 recursos vinculados a las 91 diapositivasVer videos completos
Cuestionario razonado · 128 preguntas y respuestas desarrolladasEstudiar preguntas
Glosario razonado · 132 conceptos completosEstudiar conceptos
Colab integral Python · 76 celdas, 27 experimentos, caso RFM y validacionesAbrir laboratorio completo

Guía de estudio del Módulo 10: las tres presentaciones se reúnen en un único recurso de lectura, con PDF integrado, visor por clase y descargas PowerPoint. Empezá por PCA, seguí con K-Means y terminá con clustering jerárquico.

Laboratorio avanzado · Módulo 10

14 simulaciones: experimentar, observar y decidir

Como en el Módulo 09, cada laboratorio se abre en una página independiente, con gráficos dinámicos, navegación anterior/siguiente y tema claro u oscuro. La guía de estudio y las presentaciones siguen disponibles.

01 — 04 · 4 LABORATORIOS

PCA y geometría de la varianza

Rotación de componentes, escalado, reconstrucción, biplots y observaciones atípicas.

Abrir primera simulación PCA →
05 — 09 · 5 LABORATORIOS

K-Means y validación de segmentos

Arrastrar centroides, iteraciones de Lloyd, k-means++, silhouette y sensibilidad a la escala.

Abrir primera simulación K-Means →

Las simulaciones son interactivas: permiten variar parámetros, ejecutar y pausar, comparar escenarios y exportar evidencias. No requieren Colab ni instalaciones.

Guías de estudio completas · Teoría, práctica y evaluación

Glosario de 132 conceptos y cuestionario de 128 preguntas

Dos materiales complementarios de estudio universitario, desarrollados para comprender los fundamentos, interpretar las ecuaciones y justificar decisiones. Como en el Módulo 09, se abren directamente en el navegador; esta edición incorpora más contenido, vínculos cruzados y respuestas extensas.

132 FICHAS · 6 ÁREAS TEMÁTICAS

Glosario razonado y guía conceptual

Definiciones desarrolladas, mecanismos matemáticos, ejemplos económicos, limitaciones, preguntas para repasar y referencias a simulaciones. Búsqueda, filtros, progreso y cambio de tema.

Abrir glosario completo · 132 conceptos →
128 PREGUNTAS · SOLUCIONES COMPLETAS

Cuestionario de estudio con respuestas

Preguntas abiertas de nivel universitario; cada solución incluye argumento conceptual, desarrollo técnico, aplicación, errores comunes y criterio de corrección. Modo examen y seguimiento del aprendizaje.

Abrir cuestionario · 128 respuestas →

Videoteca docente · Recurso complementario

14 videos para acompañar las 3 presentaciones

Una selección contrastada con las 91 diapositivas, igual que en el Módulo 9: el catálogo permite reproducir el material en esta misma web, mirar las clases completas sin corte, abrir su fuente original en YouTube y pasar directamente al laboratorio correspondiente.

RUTA 01 · 5 VIDEOS

PCA y reducción dimensional

Varianza, autovectores, SVD, estandarización, interpretación y Python. Vínculos a las diapositivas y a S01–S04.

Ver la ruta de PCA →
RUTA 02 · 5 VIDEOS

K-Means y segmentación

Algoritmo de Lloyd, K-Means++, método del codo, silhouette y límites de las agrupaciones por centroides.

Ver la ruta de K-Means →
RUTA 03 · 4 VIDEOS

Clustering jerárquico

Dendrogramas, linkages, interpretación del corte y heatmaps de perfiles de clientes.

Ver la ruta jerárquica →

La reproducción integrada se inicia al seleccionar cada video, ofrece subtítulos cuando YouTube los suministra y nunca fija un tiempo de finalización. Si YouTube bloquea la incrustación, el enlace original permite continuar.

Al completar el módulo

Resultados de aprendizaje

  • Preparar variables y distancias para segmentación.
  • Explicar asignación y convergencia de K-Means.
  • Leer dendrogramas, linkage y cortes jerárquicos.
  • Usar PCA, silhouette, estabilidad y DBSCAN como diagnóstico.

Marco conceptual

Ideas que organizan la práctica

01

Distancia con significado

Clustering aprende de la representación. Escala, variables redundantes y codificación alteran distancias; por eso la preparación es parte del modelo.

02

K-Means

Alterna asignación al centroide más cercano y actualización de centroides. Favorece grupos compactos, aproximadamente esféricos y de escala comparable.

03

Jerarquía y densidad

El clustering jerárquico construye un dendrograma según distancia y linkage. DBSCAN identifica regiones densas y ruido sin fijar de antemano la cantidad de grupos.

04

Validar sin etiquetas

Silhouette, inercia, estabilidad por remuestreo, perfiles y utilidad operacional aportan evidencia complementaria. PCA ayuda a visualizar y reducir redundancia, no certifica segmentos.

Nivel profesional

Profundización aplicada

Estos temas conectan el fundamento con decisiones modernas, evaluación rigurosa y operación real.

01

Estabilidad por remuestreo y consenso entre soluciones.

02

UMAP/HDBSCAN como profundización, con control de parámetros y ruido.

03

Validación operativa: tamaño, alcanzabilidad, diferenciación y respuesta al tratamiento.

Control de calidad

Errores frecuentes que invalidan la conclusión

  • Elegir K solo por inercia o por una figura atractiva.
  • Describir clusters sin verificar estabilidad ni acción posible.
  • Usar PCA como prueba de que existen segmentos reales.

Caso de negocio

Decidir con contexto

Marketing busca segmentos de clientes para diseñar propuestas distintas. Un grupo estadístico solo es útil si puede describirse, alcanzarse y tratarse.

Explorar en la simulación

Práctica guiada

Secuencia de laboratorio

Nuevo laboratorio Python en Google Colab: 76 celdas y 27 experimentos que recorren las tres presentaciones: PCA y reconstrucción, K-Means y selección de K, clustering jerárquico y dendrogramas, DBSCAN, estabilidad y aplicación RFM con 660 clientes sintéticos. Incluye gráficos, 10 pruebas matemáticas, panel opcional interactivo y exportación de modelos y reportes; se ejecuta de principio a fin sin datos externos.

Inicio recomendado: abrí el Colab, elegí «Entorno de ejecución → Ejecutar todas» y seguí las preguntas explicativas y los experimentos antes de interpretar los perfiles comerciales.
  1. 01Seleccionar variables alineadas con el uso del segmento.
  2. 02Escalar y revisar correlaciones o aplicar PCA.
  3. 03Comparar K, linkage y sensibilidad a inicialización.
  4. 04Nombrar perfiles con evidencia y proponer acciones.
Desafío de transferencia

Tomar una decisión defendible

Defendé una segmentación que pueda ser encontrada en producción y reciba acciones distintas.

  1. Escribí una hipótesis antes de calcular.
  2. Definí la evidencia que podría refutarla.
  3. Compará al menos dos escenarios.
  4. Terminá con acción, límite y responsable.
Producto del módulo

Entregable esperado

Segmentación comparada con K-Means y jerárquico, diagnóstico de escala, estabilidad, perfiles y acciones propuestas.