Minería de Datos 2026 · Doctorado UDP

Repositorio Data Mining Doctorado UDP 2026: materiales del curso Minería de Datos (DOA0006_CA01, Doctorado en Ciencias de la Administración, Universidad Diego Portales).

Contenido del repositorio

• code/: notebooks de demostración de cada sesión.
• refs/: programa del curso.
• prediction_challenge/: desafío de predicción (desde el jueves 5 de noviembre).
• requirements.txt: versiones probadas de las librerías, para todo el repositorio.

Notebooks

Todos los notebooks funcionan igual en su computador y en Google Colab.

Notebook	Sesión	Tema	Colab
Clustering (próximamente)	Sesión de autoestudio	Modelamiento descriptivo: k-means, clustering jerárquico, DBSCAN, silueta y PCA	Próximamente
code/1_modelos_clasificacion.ipynb	Sesión 8 · jueves 15 de octubre	Modelos de clasificación: regresión logística, Naive Bayes, k-NN, SVM, MLP, random forest y XGBoost
Regresión (próximamente)	Sesión de autoestudio	Modelos de regresión: regresión lineal, ridge y lasso, k-NN, SVR, MLP, random forest y XGBoost	Próximamente
code/2_pipelines_y_validacion.ipynb	Sesión 9 · jueves 22 de octubre	Evaluación y validación: pipelines, fuga de datos, validación cruzada estratificada, agrupada y anidada, métricas multiclase, curvas ROC y PR, umbrales y calibración

Los notebooks de las sesiones siguientes se agregarán aquí antes de cada clase.

En su computador

1. Python 3.11 o superior.
2. Clonar o descargar este repositorio y crear un entorno virtual en su carpeta principal (donde está requirements.txt):

   python -m venv .venv
   .venv\Scripts\activate        (Windows)
   source .venv/bin/activate     (macOS/Linux)
   

3. Instalar las versiones probadas del curso: pip install -r requirements.txt.
4. Abrir los notebooks de la carpeta code/ en Jupyter (jupyter notebook) o en VS Code.

En Google Colab (no requiere instalar nada)

1. Use el botón "Abrir en Colab" de la tabla o del inicio de cada notebook.
2. La primera celda detecta Colab, instala solo lo que falte y muestra las versiones. No hace falta reiniciar la sesión.
3. Los datos se descargan automáticamente de fuentes públicas.
4. Para no perder sus cambios: Archivo → Guardar una copia en Drive.

Colab usa sus propias versiones de las librerías (en octubre de 2026: Python 3.13, scikit-learn 1.6.1, pandas 2.2.3). Algunos resultados pueden diferir en milésimas de los que muestran los notebooks; las conclusiones no cambian.

Sesión de autoestudio: clustering (próximamente)

El notebook y la presentación se publicarán más adelante; las lecturas ya están disponibles:

• Tan, P.-N., Steinbach, M., Karpatne, A. y Kumar, V. (2019). Introduction to Data Mining (2.ª ed.), cap. 7, "Cluster Analysis: Basic Concepts and Algorithms". Capítulo gratuito de los autores: https://www-users.cse.umn.edu/~kumar001/dmbook/ch7_clustering.pdf
• James, G., Witten, D., Hastie, T., Tibshirani, R. y Taylor, J. (2023). An Introduction to Statistical Learning with Applications in Python, cap. 12. Libro gratuito: https://www.statlearning.com

Sesión de autoestudio: modelos de regresión (próximamente)

Es la contraparte de la Sesión 8 para una variable objetivo continua. El notebook y la presentación se publicarán más adelante; la lectura ya está disponible:

• James, G., Witten, D., Hastie, T., Tibshirani, R. y Taylor, J. (2023). An Introduction to Statistical Learning with Applications in Python, cap. 3 (regresión lineal), sección 6.2 (ridge y lasso) y sección 8.2 (bagging, random forest y boosting). Libro gratuito: https://www.statlearning.com

Dudas

Escriban al profesor (bastian.gonzalez.b@mail.udp.cl) o a la ayudante, Camila Luardo (camila.luardo@mail.udp.cl). Horario de atención: https://savvycal.com/udp/meetings.