Reduce dimensionalidad para encontrar perfiles en una bodega de Mendoza
Visión general
De qué trata este proyecto.
Reduce dimensiones con PCA y UMAP, segmenta perfiles de vino con K-Means y GMM. Obtén tu certificado verificable.
El escenario
La bodega (~120 personas, exporta el 38 % de su producción) compite por relato y estilo, no por precio, y necesita un mapa interpretable de su catálogo para sumiller y comercial.
El Briefing
Lo que harás y lo que demostrarás.
Encontrar 4-6 estilos latentes de vino con reducción de dimensionalidad + clustering que se correlacionen con la valoración del enólogo.
Earning criteria — what you'll demonstrate
- Aplicar y comparar PCA y UMAP con criterios cuantitativos
- Distinguir K-Means de GMM en datos con clusters de tamaño desigual
- Validar clustering contra una variable externa (valoración del enólogo)
- Traducir componentes latentes a descripciones interpretables
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Learning
Master · Machine Learning
Strong alignment
This challenge maps to Machine Learning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Dimensionality Reduction
Apply dimensionality reduction to solve real industry problems and demonstrate production-level capability.
- Pca
Apply pca to solve real industry problems and demonstrate production-level capability.
- Umap
Apply umap to solve real industry problems and demonstrate production-level capability.
- Gaussian Mixture Models
Apply gaussian mixture models to solve real industry problems and demonstrate production-level capability.
- Unsupervised Learning
Apply unsupervised learning to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Científico de Datos
Reducción de dimensionalidad + clustering interpretado es el patrón de exploración inicial en cualquier proyecto de data science con datos densos.
Este proyecto afina
- dimensionality-reduction
- pca
- unsupervised-learning
Investigador/a de Machine Learning
Comparar PCA y UMAP con sensibilidad a hiperparámetros es el tipo de rigor metodológico esperado en investigación aplicada.
Este proyecto afina
- dimensionality-reduction
- umap
- gaussian-mixture-models
Científico/a de IA Aplicada
Traducir componentes latentes a fichas accionables para sumiller es el puente entre método y producto que define el rol.
Este proyecto afina
- pca
- unsupervised-learning
- dimensionality-reduction