Glosario IA
El diccionario completo de la Inteligencia Artificial
Agrupamiento
Técnicas de agrupación automática de datos en clusters basados en su similitud intrínseca sin etiquetas predefinidas.
Reducción de la dimensionalidad
Métodos que permiten reducir el número de variables manteniendo la información esencial contenida en los datos.
Detección de Anomalías
Identificación de observaciones que se desvían significativamente del comportamiento normal de los datos sin supervisión explícita.
Aprendizaje de Representaciones
Descubrimiento automático de características discriminatorias a partir de datos brutos para facilitar el análisis posterior.
Estimación de Densidad
Modelado de la distribución subyacente de los datos para comprender su estructura probabilística.
Reglas de Asociación
Descubrimiento de relaciones interesantes entre variables en grandes bases de datos, típicamente utilizada en el análisis de cesta de la compra.
Análisis de Componentes Principales (ACP)
Técnica lineal de reducción dimensional que transforma las variables en componentes ortogonales no correlacionadas.
Mapas Autoorganizados
Redes neuronales competitivas que realizan una proyección no lineal de los datos sobre una cuadrícula topológica preservando las vecindades.
Agrupamiento Jerárquico
Construcción de una jerarquía de grupos mediante la fusión sucesiva (aglomerativo) o división sucesiva (divisivo) de los conjuntos.
Modelos de Mezcla Gaussiana
Enfoque probabilístico que modela los datos como una combinación ponderada de varias distribuciones gaussianas.
Algoritmos de agrupamiento basados en densidad
Métodos que identifican grupos de puntos densos separados por regiones de baja densidad sin necesidad de conocer previamente el número de clústeres.
K-means y variantes
Algoritmos de particionamiento iterativo que agrupan los datos alrededor de centroides para minimizar la varianza intraclúster.
Análisis de Correspondencias
Técnica de análisis factorial que explora las relaciones entre variables categóricas en tablas de contingencia.
Factorización de Matriz No Supervisada
Descomposición matricial que descubre características latentes y representaciones parsimoniosas de los datos.
Autoencoders
Redes neuronales que aprenden representaciones comprimidas eficientes mediante la reconstrucción de sus entradas.