2025-05-022025-05-022025-05-02https://repositoriocrai.ucompensar.edu.co/handle/compensar/5477La presentación introduce los fundamentos esenciales de la minería de datos, explicando el papel central de los algoritmos para analizar grandes volúmenes de información. Se abordan técnicas de machine learning tanto supervisadas como no supervisadas, detallando su aplicación en tareas como clasificación, regresión, agrupamiento y detección de patrones. Además, se presentan ejemplos prácticos y se describen métodos específicos como SVM, árboles de decisión, K-means y agrupamiento jerárquico, brindando una visión clara y estructurada sobre cómo extraer conocimiento útil a partir de los datos.La presentación ofrece una introducción a los conceptos básicos de la minería de datos, destacando la importancia de los algoritmos como herramientas para procesar y transformar datos en información útil. Explica cómo el machine learning permite construir modelos predictivos mediante métodos supervisados —como SVM, árboles de decisión y probabilísticos— y no supervisados —como K-means, agrupamiento jerárquico y canopy—. A través de ejemplos aplicados, se ilustra cómo estas técnicas ayudan a descubrir patrones y apoyar la toma de decisiones basada en datos.1.2 MBapplication/pdfspahttps://creativecommons.org/licenses/by-nc-nd/4.0/Objeto de aprendizajeDerechos Reservados - Fundación Universitaria Compensar20 minutosinfo:eu-repo/semantics/closedAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Inteligencia ArtificialAnálisis de datos