Más allá del clustering: exploración e interpretación de datos con mapas topológicos y la librería SOMTorch (TOPOMAP)

Organizadores

Descripción

Durante el tutorial los participantes aprenderán de forma progresiva qué es un SOM (Self-Organizing Map), cómo funciona su aprendizaje competitivo y por qué este método va más allá de un simple algoritmo de clustering. Los SOM constituyen una herramienta especialmente útil para descubrir patrones, revelar estructuras latentes en los datos y proporcionar representaciones interpretables de espacios de alta dimensión.

A lo largo de la sesión construiremos y entrenaremos mapas auto-organizados paso a paso utilizando la librería SOMTorch. Además, exploraremos las utilidades de visualización que ofrece la librería para analizar la estructura de los datos y comprender cómo se organizan en el mapa. También mostraremos ejemplos de aplicación en problemas reales como exploración de datos, detección de patrones, análisis de clusters e interpretación de estructuras complejas.

El objetivo es que los asistentes no solo comprendan los fundamentos teóricos de los Self-Organizing Maps, sino que también adquieran la capacidad de aplicarlos directamente a sus propios problemas de ciencia de datos e inteligencia artificial.

El tutorial tendrá un formato práctico (hands-on), en el que los participantes trabajarán con notebooks de Python y datasets reales para construir, entrenar y analizar mapas SOM utilizando SOMTorch.