⚠️ Advertencia crítica antes de correr cualquier script
No ejecutes scripts de R contra archivos oficiales, bases de datos reales, carpetas institucionales, SQL Server, Access, APIs internas o datasets sensibles sin autorización formal.
R puede transformar, resumir, modelar y visualizar miles o millones de registros rápidamente. Un análisis mal probado puede producir conclusiones incorrectas, sobrescribir archivos, exponer datos sensibles o afectar decisiones de BI, auditoría, presupuesto o producción.
Regla obligatoria del training: primero se trabaja con data sintética, luego con una copia controlada, después se valida el resultado, y solo entonces se considera usar datos reales siguiendo permisos, backup, change control, data governance y protocolos de ciberseguridad.
- Permisos: usa solamente archivos y fuentes donde tengas autorización explícita.
- Backups: nunca sobrescribas data original sin una copia recuperable.
- Data governance: respeta privacidad, controles de acceso y clasificación de datos.
- Producción: nunca conectes scripts a fuentes reales sin revisión, aprobación y plan de reversa.
⚠️ Critical warning before running any script
Do not run R scripts against official files, real databases, institutional folders, SQL Server, Access, internal APIs, or sensitive datasets without formal authorization.
R can transform, summarize, model, and visualize thousands or millions of records quickly. A poorly tested analysis can produce wrong conclusions, overwrite files, expose sensitive data, or affect BI, audit, budget, or production decisions.
Mandatory training rule: start with synthetic data, then use a controlled copy, validate the result, and only then consider real data while following permissions, backups, change control, data governance, and cybersecurity protocols.
- Permissions: use only files and sources where you have explicit authorization.
- Backups: never overwrite original data without a recoverable copy.
- Data governance: respect privacy, access controls, and data classification.
- Production: never connect scripts to real sources without review, approval, and rollback planning.
Objetivo del Topic 17
Agrupa registros parecidos según variables numéricas para descubrir segmentos.
Topic 17 Objective
Group similar records based on numeric variables to discover segments.
Ruta de trabajo
Todo se ejecuta dentro de una carpeta controlada:
Working folder
Everything runs inside a controlled folder:
base_path <- file.path(Sys.getenv("USERPROFILE"), "Documents", "AI Practical Training", "R", "Topic 17")Qué vamos a aprender
- Crear data sintética controlada.
- Leer y transformar datos en R.
- Aplicar una regla de análisis, limpieza o validación.
- Exportar resultados para revisión.
- Verificar el resultado antes de usar datos reales.
What you will learn
- Create controlled synthetic data.
- Read and transform data in R.
- Apply an analysis, cleaning, or validation rule.
- Export results for review.
- Verify the result before using real data.
Script 1 — Crear data sintética
Este script prepara datos de práctica para ejecutar el ejercicio sin tocar información real.
Script 1 — Create synthetic data
This script prepares practice data to run the exercise without touching real information.
# R Topic 17 - Script 1
base_path <- file.path(Sys.getenv("USERPROFILE"), "Documents", "AI Practical Training", "R", "Topic 17")
data_path <- file.path(base_path, "Data"); dir.create(data_path, recursive = TRUE, showWarnings = FALSE)
data <- data.frame(score=c(90,88,30,35,70,72), response_time=c(2,3,12,11,6,5), training_hours=c(12,10,1,2,6,7))
write.csv(data, file.path(data_path,"cluster_data.csv"), row.names=FALSE)
print(data)Script 2 — Ejecutar la acción principal
Este script aplica la lógica central del topic y genera el resultado principal del ejercicio.
Script 2 — Run the main action
This script applies the core topic logic and generates the main result of the exercise.
# R Topic 17 - Script 2
library(readr); library(dplyr)
base_path <- file.path(Sys.getenv("USERPROFILE"), "Documents", "AI Practical Training", "R", "Topic 17")
data_path <- file.path(base_path, "Data")
data <- read_csv(file.path(data_path,"cluster_data.csv"), show_col_types=FALSE)
features <- data %>% select(score, response_time, training_hours) %>% na.omit() %>% scale()
set.seed(123)
clusters <- kmeans(features, centers=3)
data$cluster <- clusters$cluster
write.csv(data, file.path(data_path,"clustered_records.csv"), row.names=FALSE)
print(data)
print(clusters$centers)Script 3 — Verificar o reportar resultados
Este script confirma el resultado final o genera evidencia para revisión.
Script 3 — Verify or report results
This script confirms the final result or generates evidence for review.
# R Topic 17 - Script 3
library(readr); library(dplyr)
base_path <- file.path(Sys.getenv("USERPROFILE"), "Documents", "AI Practical Training", "R", "Topic 17")
data <- read_csv(file.path(base_path,"Data","clustered_records.csv"), show_col_types=FALSE)
data %>% count(cluster) %>% print()Explicación simple del script
- base_path mantiene una ruta de práctica controlada.
- El Script 1 crea data sintética para evitar riesgos.
- El Script 2 aplica la lógica principal del topic.
- El Script 3 verifica resultados o deja evidencia.
- El resultado se guarda como CSV, imagen, Excel o reporte según el caso.
Simple script explanation
- base_path keeps a controlled practice path.
- Script 1 creates synthetic data to avoid risk.
- Script 2 applies the main topic logic.
- Script 3 verifies results or leaves evidence.
- The output is saved as CSV, image, Excel, or report depending on the case.
Ejemplo esperado
| Caso | Resultado |
|---|---|
| similar records | same cluster |
| kmeans | behavior groups |
Expected example
| Case | Result |
|---|---|
| similar records | same cluster |
| kmeans | behavior groups |
Conclusión
Agrupa registros parecidos según variables numéricas para descubrir segmentos.
Conclusion
Group similar records based on numeric variables to discover segments.