
Juan Sebastián Chinchilla
@sebastianchinchillaCurso interesante, para mi fase final del reto DataAcademy. Ahora a repasar y seguir la ruta de DataScience.
1122
Opiniones
básico
Domina los fundamentos de álgebra lineal usando Python. Explora escalares, vectores, matrices y tensores. Aprende a aplicar estos conceptos en transformaciones, combinaciones lineales y matrices ortogonales para el análisis de datos y Machine Learning.
Sebastián Sosa
Co-founder en Caburé
Curso interesante, para mi fase final del reto DataAcademy. Ahora a repasar y seguir la ruta de DataScience.
es muy chevere regresar a esa clases y refrescar los recuerdo de lapiz y papel para solucionar estos sistemas lineales
Curso altamente recomendado. Brinda una buena introducción al algebra lineal necesario para aplicar machine learning.
Muy buen curso, sinceramente el que mas me ha costado jaja, pero se aprendio montones y el profesor se nota que le gusta lo que hace
Puedo decir con propiedad que después de mucho tiempo temiendole a este tipo de temas, ya le estoy tomando cariño gracias al profesor Sebastian, aun tengo camino por recorrer, pero definitivamente estoy muy contento con el curso.
El profesor es buenísimo. Muy claros los conceptos y aprendí a utilizar el álgebra lineal con Python. La verdad muy conforme con este curso.
Un curso genial que da muchos referentes al manejo de cursos de fundamentos matemáticos, siempre llevando cada aspecto a la práctica y el ejemplo. Un docente, excelente!
Escelente profesor
Que buen curso. Muy recomendado tomar este curso antes de cualquier relacionado con Machine Learning.
el como explican la diferencia de la teoría matemática y la aplicación en la ciencia de datos con python
Buen curso, extenso si, pero vale la pena, ademas de formar bases solidas para IA en el campo de machine learning
Un curso con bastante información.
Es un tema complejo, tal vez se requiere profundizar algunos temas como los de espacios y la asociación con matrices y vectores
Muy buen curso, buen contenido y excelente el profesor. recomendado para tener buenas bases de Algebra Lineal
Aprendí demasiadas cosas nuevas, algunas muy reveladoras y otras disruptivas
Es necesario tener un ayuda a la par, como de libros o YouTube, pero el profesor explica excelente los temas que trata, además del buen manejo de phyton
muy buen curso y muy buena explicacion del profesor. Esta más que demostrado su experiencia. el unico pero es que soy más practico y me fuera gustado ver más aplicaciones que demostraciones abstractas
Me ha encantado el curso explica muy bien aprendes álgebra lineal y numpy
Un contenido un poco avanzado pero con las explicaciones fácil de entender.
Buen curso. Mucha información pero explicada con ejemplos es lo mejor. Python es una excelente herramienta para realizar estos cálculos.
Son conceptos difíciles pero las explicaciones del profe hacen que sean fáciles de entender.
Realmente me hizo recordar varios aspectos vistos en la universidad, y hacen en una hora lo que se lleva en un trimestre, excelente profesor
Me resultó muy interesante para recordar y llenar algunos vacíos de conocimiento con respecto al curso de lo mismo que vi en la universidad.
El profesor es muy especifico en su explicación y brinda ejemplos del porque es importante cada concepto en ML.
Buen curso, algo complicado, creo que se debe tomar varias veces para que quede muy claro
Excelente curso me ha costado mucho esfuerzo pero he aprendido, es importante conocer el álgebra lineal como fundamentos para la Ciencia de Datos.
El profesor Sebastián explica los conceptos de manera detallada, fue un curso bastante practico y me quedo bastante contento con lo aprendido. ¡Un curso maravilloso!
Excelente curso, siempre yendo la teoría a la práctica en cada clase. El profesor sabe hacer las pausas necesarias para que podamos digerir el conocimiento. Muy bueno!
Lo recomiendo mucho, la teoría se complementa siempre con la práctica lo que hace que se comprenda muy bien lo explicado por el profesor
Que buen profesor, muy claro en las explicaciones. Además el curso muy acorde a los requerimientos en ML.