Como pudiste notar, el análisis de clusters tiene cierto grado de ambigüedad. Esta ambigüedad se debe entender como que no hay una forma correcta de aplicarlo, pero si hay formas útiles de aplicarlo. En este taller pondremos a prueba 2 cosas:
- Tu habilidad para identificar un caso de uso para clustering.
- Tu habilidad de autoaprendizaje, la cual es muy importante en el campo de la ciencia de datos, un campo en continua actualización. Especialmente, se espera que alcances un entendimiento mayor de algunos algoritmos de clustering. Por ejemplo, se espera que aprendas las distintas estrategias que varios algorimos tienen para ajustar sus hiperparámetros.
- Selecciona un caso de uso de tu preferencia, puede ser algo que uses en el trabajo, algo cotidiano o algo que te llame la atención en páginas como Kaggle. Debes escribir un párrafo explicando por qué el caso de uso planteado es un buen es un buen caso de uso para aplicar clustering.
- Realiza el proceso descrito en [01 - Clustering](./01 - Clustering.pdf) para realizar análisis de clusters utilzando al menos 5 algoritmos disponibles en la librería scikit-learn
- Justificación del caso de uso -> 50%
- Aplicación correcta del algoritmo -> 10% por cada algoritmo
En caso de que escojas una base de datos que no pueda ser trabajada por algunos algoritmos, tu justificación sustituye su aplicación.