Programa del curso — Machine Learning · Délany Ramírez del Río

Fuente de verdad del curso. La numeración de sesiones, módulos y contenidos de este documento manda sobre cualquier otro archivo del repositorio. Si un README de módulo o un notebook contradice esta tabla, se corrige el otro archivo, no este.

Ficha

Campo	Valor
Programa	Maestría en Ingeniería de Sistemas y Computación
Institución	Universidad Tecnológica de Pereira
Docente	MSc. Délany Ramírez del Río — `delram@utp.edu.co`
Intensidad	48 horas — 14 sesiones de 3.5 h
Distribución	2 sesiones por semana durante 7 semanas
Modalidad de trabajo	Teoría en `.md` + notebooks Python ejecutables
Lenguaje	Python 3.11 (scikit-learn, PyTorch, MLflow, FastAPI)
Evaluación	Proyecto integrador transversal + quiz teórico por módulo

Objetivo general

Que el estudiante sea capaz de formular, construir, evaluar y desplegar soluciones de Machine Learning sobre datos reales, comprendiendo los fundamentos matemáticos de los algoritmos, eligiendo el modelo adecuado con criterio y llevando el resultado hasta un servicio consumible y trazable.

Objetivos específicos

Distinguir los tipos de aprendizaje y encuadrar un problema real como una tarea de ML.
Aplicar el ciclo de vida completo de un proyecto de ML con control de versiones de código y datos.
Preparar datos: recolección, limpieza, análisis exploratorio e ingeniería de características, evitando la fuga de datos (data leakage).
Implementar y diagnosticar modelos de regresión y clasificación, desde la formulación matemática hasta la evaluación honesta.
Seleccionar modelos con validación cruzada y optimización de hiperparámetros.
Aplicar métodos de ensamble e interpretar sus predicciones.
Descubrir estructura con métodos no supervisados y reducción de dimensionalidad.
Comprender los fundamentos del deep learning como puente al curso especializado.
Desplegar un modelo como API, con trazabilidad de experimentos y monitoreo.

Malla — 6 módulos, 14 sesiones

Módulo	Sesiones	Horas	Carpeta
1. Fundamentos y ciclo de vida	S1–S3	10.5	`modulo-1-fundamentos-ciclo-vida/`
2. Datos: preprocesamiento e ingeniería de características	S4–S5	7.0	`modulo-2-datos-caracteristicas/`
3. Supervisado I: regresión y evaluación	S6–S8	10.5	`modulo-3-regresion-evaluacion/`
4. Supervisado II: clasificación y ensambles	S9–S11	10.5	`modulo-4-clasificacion-ensambles/`
5. No supervisado y deep learning	S12–S13	7.0	`modulo-5-no-supervisado-deep-learning/`
6. MLOps: trazabilidad y despliegue	S14	3.5	`modulo-6-mlops-despliegue/`
	14	49

Detalle por sesión

Módulo 1 — Fundamentos y ciclo de vida

Sesión	Tema	Contenidos
S1	Introducción al Machine Learning	Definición y alcance. IA vs. ML vs. DL. Tipos de aprendizaje: supervisado, no supervisado, por refuerzo. Taxonomía de problemas. Ecosistema Python. Entorno reproducible. Primer flujo `fit`/`predict` de punta a punta.
S2	Ciclo de vida de un proyecto de ML	Las 7 etapas del ciclo. Definición del problema: métricas de negocio vs. métricas técnicas. Estructura de un proyecto de ML. Control de versiones con Git. Versionado de datos con DVC.
S3	Fundamentos matemáticos	Álgebra lineal con NumPy: vectores, matrices, producto punto, normas y distancias. Descomposiciones (eigen, SVD). Cálculo: derivadas, gradientes, regla de la cadena. Probabilidad: distribuciones y teorema de Bayes. Conexión con los algoritmos del curso.

Módulo 2 — Datos: preprocesamiento e ingeniería de características

Sesión	Tema	Contenidos
S4	Recolección, limpieza y EDA	Datos estructurados vs. no estructurados. Lectura desde CSV, SQL y API. 🔵 Web scraping con BeautifulSoup. Valores faltantes, duplicados y outliers. Análisis exploratorio y visualización.
S5	Ingeniería de características	Escalado y normalización. Codificación de variables categóricas. Transformaciones. Selección de características: filtro (`SelectKBest`), envoltura (RFE) y embebidos. `Pipeline` y `ColumnTransformer`. Fuga de datos (data leakage).

Módulo 3 — Supervisado I: regresión y evaluación

Sesión	Tema	Contenidos
S6	Regresión lineal	Regresión simple y múltiple. Mínimos cuadrados ordinarios. Descenso del gradiente implementado a mano. Supuestos y análisis de residuales. Métricas: MSE, RMSE, MAE, $R^2$ y $R^2$ ajustado.
S7	Regresión avanzada	Multicolinealidad y VIF. Regresión polinómica. Regularización: Ridge ( $L_2$ ), Lasso ( $L_1$ ) y Elastic Net. Interpretación de coeficientes y selección implícita de variables.
S8	Evaluación y selección de modelos	Compromiso sesgo-varianza. Sobreajuste y subajuste. Validación cruzada: k-fold, estratificada y temporal. Curvas de aprendizaje y de validación. Búsqueda de hiperparámetros: grid, aleatoria y bayesiana (Optuna). Reproducibilidad.

Módulo 4 — Supervisado II: clasificación y ensambles

Sesión	Tema	Contenidos
S9	Clasificación	Regresión logística: odds, log-odds, máxima verosimilitud y softmax multiclase. KNN. SVM y kernels. Métricas: matriz de confusión, accuracy, precisión, recall, F1, ROC-AUC y curva PR. Ajuste del umbral. Clases desbalanceadas.
S10	Árboles de decisión y bagging	Estructura de un árbol. Medidas de impureza: Gini y entropía. Profundidad, poda y sobreajuste. Bootstrap aggregating. Random Forest. Importancia de variables.
S11	Boosting e interpretabilidad	AdaBoost. Gradient Boosting. XGBoost y LightGBM. Stacking. Interpretabilidad: permutation importance y SHAP.

Módulo 5 — No supervisado y deep learning

Sesión	Tema	Contenidos
S12	Aprendizaje no supervisado	Clustering: K-Means (y K-Means++), jerárquico aglomerativo (dendrograma), DBSCAN. Validación: método del codo, coeficiente de silueta, índice de Davies-Bouldin. Reducción de dimensionalidad: PCA, t-SNE, 🔵 UMAP. 🔵 Detección de anomalías.
S13	Deep learning (puente)	Perceptrón y perceptrón multicapa (MLP). Funciones de activación. Retropropagación. Entrenamiento en PyTorch: optimizadores, batches, early stopping, dropout. Cuándo no usar deep learning. 🔵 Vistazo a CNN y transfer learning.

Nota. Esta sesión es un puente hacia el curso especializado de Deep Learning del programa; no pretende cubrirlo, sino dar el fundamento y el criterio para decidir cuándo un problema tabular no necesita una red neuronal.

Módulo 6 — MLOps: trazabilidad y despliegue

Sesión	Tema	Contenidos
S14	De modelo a producto	MLflow: tracking, comparación de runs, model registry. Serialización y versionado del modelo. API con FastAPI: endpoints `/health` y `/predict`. Empaquetado con Docker. Monitoreo y drift. Reentrenamiento. Sustentación del proyecto integrador.

Evaluación

Componente	Peso sugerido	Descripción
Proyecto integrador (6 entregas)	60 %	Un caso único que crece módulo a módulo hasta desplegarse como API. Ver `proyecto-integrador/`.
Quizzes teóricos (6, uno por módulo)	25 %	Preguntas conceptuales de cierre de módulo. Carpeta `quiz/` de cada módulo.
Ejercicios y participación	15 %	Ejercicios guiados de cada módulo (`ejercicios/`).

Los pesos son una sugerencia; ajústalos al reglamento del programa antes de publicar el microcurrículo.

Prerrequisitos

Programación en Python a nivel intermedio (estructuras de datos, funciones, pandas básico).
Estadística descriptiva e inferencial básica.
Álgebra lineal y cálculo diferencial a nivel de pregrado en ingeniería.

La sesión S3 repasa los fundamentos matemáticos necesarios, pero no los enseña desde cero.