diff --git a/guide/spanish/machine-learning/unsupervised-learning/index.md b/guide/spanish/machine-learning/unsupervised-learning/index.md
index 2b40f01ce9..9aeaef33fd 100644
--- a/guide/spanish/machine-learning/unsupervised-learning/index.md
+++ b/guide/spanish/machine-learning/unsupervised-learning/index.md
@@ -7,6 +7,7 @@ localeTitle: Aprendizaje sin supervisión
 *   https://en.wikipedia.org/wiki/Unsupervised\_learning
 *   https://stackoverflow.com/a/1854449/6873133
 *   http://mlg.eng.cam.ac.uk/zoubin/papers/ul.pdf
+*   https://machinelearningmastery.com/supervised-and-unsupervised-machine-learning-algorithms/
 
 #### Proyecto de artículo:
 
@@ -14,12 +15,14 @@ localeTitle: Aprendizaje sin supervisión
 
 El aprendizaje no supervisado nos permite abordar los problemas con poca o ninguna idea de cómo deberían ser nuestros resultados. Podemos derivar la estructura de datos donde no necesariamente sabemos el efecto de las variables.
 
-Tipos de
+Tipos de aprendizaje no supervisado
 
 Agrupación en clúster: se utiliza para el análisis exploratorio de datos para encontrar patrones ocultos o agrupación en datos. Tome una colección de 1,000,000 de genes diferentes, y encuentre una manera de agrupar automáticamente estos genes en grupos que de alguna manera sean similares o estén relacionados por diferentes variables, como la duración de la vida, la ubicación, los roles, etc.
 
+Asociación: se utiliza cuando queremos descubrir reglas que describan una porción significativa de los datos. Un ejemplo de esto sería aprender que la gente que compra X producto también suele comprar un producto Y.
+
 Los enfoques para el aprendizaje no supervisado incluyen:
 
-agrupamiento k-significa. modelos de mezcla. Clustering jerárquico, detección de anomalías. Redes neuronales. Aprendizaje Hebbiano. Redes adversas generativas. Enfoques para aprender modelos de variables latentes como. Algoritmo de expectativa-maximización (EM) Método de los momentos.
+Agrupamiento k-significa. modelos de mezcla. Clustering jerárquico, detección de anomalías. Redes neuronales. Aprendizaje Hebbiano. Redes adversas generativas. Enfoques para aprender modelos de variables latentes como. Algoritmo de expectativa-maximización (EM) Método de los momentos.
 
-Algunos ejemplos más: Supongamos que tiene datos para un sitio de comercio electrónico. Tiene una lista de personas y cosas que ordenaron en línea la semana pasada. Ahora puede usar los algoritmos de agrupación en clústeres y encontrar el patrón en los datos, predecir la tendencia de compra y formular la estrategia comercial según la tendencia.
\ No newline at end of file
+Algunos ejemplos más: Supongamos que tiene datos para un sitio de comercio electrónico. Tiene una lista de personas y cosas que ordenaron en línea la semana pasada. Ahora puede usar los algoritmos de agrupación en clústeres y encontrar el patrón en los datos, predecir la tendencia de compra y formular la estrategia comercial según la tendencia.