Modelos de Machine Learning para la Ciencia de Datos

Abstract

[ES]En los últimos años hemos visto como la ciencia de datos ha adquirido una importancia cada vez mayor, debido principalmente a su papel fundamental en la extracción de conocimiento y toma de decisiones en las grandes organizaciones del mundo. Debido al aumento de la cantidad y complejidad de estos datos, la aplicación de técnicas novedosas de Machine Learning se ha propuesto como una de las soluciones más útiles para abordar estos problemas. En este trabajo, hacemos un análisis teórico exhaustivo de algunas de estas técnicas, y comprobamos posteriormente su eficacia aplicándolas en una base de datos real, donde analizamos el rendimiento obtenido en una serie de cuestiones relativas al campo del aprendizaje supervisado (problema de clasificación multiclase) y no supervisado (técnicas de clustering y reducción de la dimensionalidad).

[EN]In recent years we have seen how data science has become increasingly important, mainly due to its fundamental role in knowledge extraction and decision making in large organizations around the world. Due to the increasing amount and complexity of this data, the application of novel Machine Learning techniques has been proposed as one of the most useful solutions to address these problems. In this paper, we make an exhaustive theoretical analysis of some of these techniques, and then test their effectiveness by applying them on a real database, where we analyze the performance obtained in a series of tasks related to the field of supervised learning (multiclass classification problem) and unsupervised learning (clustering and dimensionality reduction techniques).