Aplicación de los algoritmos K-means y Random Forest para la segmentación de potenciales estudiantes del programa de maestría en estadística con mención en ciencia de datos e inteligencia artificial de la ESPOCH.

Abstract

El objetivo de la presente investigación es segmentar a los potenciales estudiantes interesados en la maestría en Estadística con mención en Ciencia de Datos e Inteligencia Artificial de la ESPOCH, utilizando técnicas de machine learning supervisado y no supervisado: K-means y Random Forest. Primero, se recolectaron 700 encuestas de 19 preguntas, sometidas a un proceso de limpieza y mapeo para asegurar su precisión y consistencia. Para equilibrar las escalas de las variables, se aplicó estandarización, utilizando One-Hot Encoding para variables nominales y asignación numérica para variables ordinales. El método del codo determinó que el número óptimo de clústeres era tres. Tras eliminar las variables menos relevantes y outliers, se aplicó K-means, obteniendo un Silhouette Score de 0.5886, indicando buena cohesión y separación entre clústeres, después se utilizó PCA para visualizar los clústeres obtenidos. El Davies-Bouldin Index fue de 0.6491 y el Calinski Harabasz Index registró 798.4427, corroborando la calidad de la segmentación. La inercia (WCSS) fue de 4034.7774, confirmando la adecuada compactación de los grupos. Después del proceso de validación, se definieron tres clústeres bien diferenciados. Se desarrollaron perfiles detallados para cada segmento y se propusieron estrategias de marketing digital específicas para "Jóvenes Tecnólogos en Proyección", "Líderes Profesionales en Transición Académica" y "Educadores en Evolución Profesional". Se entrenó un modelo de Random Forest, validado mediante validación cruzada y Grid Search, que identificó las variables más influyentes en la segmentación. Se creó un pipeline automatizado para procesar nuevas encuestas y asignarlas eficientemente a los clústeres correspondientes.