El aprendizaje no supervisado es una familia de métodos de machine learning donde el modelo no recibe etiquetas del tipo "esto es spam / no spam". En cambio, busca patrones, grupos o estructuras en los datos.
Supervisado vs no supervisado
| Supervisado | No supervisado | |
|---|---|---|
| Datos | Con etiqueta | Sin etiqueta |
| Ejemplo | Predecir churn con histórico | Agrupar clientes por comportamiento |
| Output | Clase o número | Clusters, embeddings, anomalías |
Técnicas que verás en la práctica
- Clustering (k-means, hierarchical): segmentar usuarios o productos
- Reducción de dimensionalidad (PCA, UMAP): visualizar y comprimir
- Detección de anomalías: fraude, fallos, outliers
- Embeddings (en la era generativa): representar texto/imagen para búsqueda y agrupación
Ejemplo de negocio
Una tienda exporta 50.000 pedidos sin tags de "tipo de cliente". Un clustering sobre frecuencia, ticket y categoría sugiere 4–6 segmentos accionables para marketing — sin que un humano etiquete cada fila.
Cómo estudiarlo en 2026
Si tu objetivo es productividad laboral, prioriza IA generativa + automatización. Estudia no supervisado cuando necesites segmentación, recomendaciones o detección de rarezas sobre datos tabulares. En AIClases el glosario y los cursos conectan vocabulario técnico con uso profesional: /glosario y /precios.