Nivel Intermedio
19 clases
2 horas de contenido
6 horas de práctica
Comprende y aplica álgebra lineal a Machine Learning. Descubre autovalores, autovectores, y descomposición de matrices con SVD y PCA. Optimiza tus modelos reduciendo dimensiones y mejorando eficiencia computacional.
Clases del curso
Aplicaciones de SVD a una imagen
Aplicando Álgebra Lineal: Análisis de Componentes Principales (PCA)
Profes del curso
Conoce quién enseña el curso
Opiniones del curso
4.6 · 533 opiniones
Bernardo Javier Miranda Tarelo
@javiercyber21·
Este curso me hizo ver conceptos de el algebra lineal que nunca vi en la universidad. Excelente profesor.
Ramsés Alejandro Camas Nájera
@RamsesCamas·
Un curso excelente para conocer a mayor profundidad como se aplica la álgebra lineal en el Machine Learning.
Juan David Angarita Pinzón
@juandavidangaritapinzon·
Excelente curso! Super recomendado!
Thomas Gonzalez Rodrigues
@thomasquamtum·
te explica de forma simple y con ejemplos como funciona algoritmos y procesos en el data science, además de mostrar una aplicación
Sebastian Vazquez Andrade
@ian-vaz·
Buen curso , pero no se siento que falto explicar con mas claridad cada linea de codigo que se escribia, me perdia de repente
Claudio Fernando Abarca Barrera
@claudioab·
Un gran curso con un gran profesor. Muy bien explicado los conceptos previos al Machine Learning.
David Ricardo Ortigoza Micolta
@DROM·
el profesor explica con ejemplos muy claros, es necesario estar pendiente de cada mencion que hace
Andres Alonso Mendez Rosales
@andresaamr·
Buen curso para entender la aplicación de algebra a ML. ddddddddddddddddddddddddddddddddddddddddddddddddd
Juan Camilo Villamizar Aristizábal
@Jvillamizar9710·
Excelente curso y excelente profesor.
Julián Antonio Mendoza Zuluaga
@mend2atipob·
Excelente curso.
Daniel da Silva Jarque
@ddasilvajarque·
Gracias al profesor, por el curso y a los compañeros, por sus aportaciones. Dedico este diploma a la memoria de mi madre, muerta a causa del virus COVID-19, el 19 de enero de 2021, a los 79 años de edad.
Alexander villalobos
@alexvillalobos·
El contenido y explicación!-----------------------------------------------
Nadya Van Strahlen Martínez
@nadyavan·
La forma de explicar del profesor, hizo que el curso fuera interesante, entretenido y educativo. Muchas gracias.
@Manuel_Herrera·
¡Muy buen curso!
Irving Hernández
@irving.hernandez.ag·
De los mejores cursos en Platzi. Ojalá hubieran proyectos con mayor aplicación
Isaac Bryan Ascanoa Roncall
@Bryan0101·
Este curso me ayudo a entender la funcionalidad y la aplicacion a scikit learn. Es algo que necesitaba para mejorar mis habilidades como programador. Cada vez estoy cerca.
Mauro Benito Montoya Arenas
@MauroMontoyaArenas·
Buen curso
Christopher Vilches
@chrisvilches·
Bonito
José Pablo Cabrera Romo
@jose94pablo·
¡Excelente curso!
DANIEL ENRIQUE OVALLE CERQUERA
@danielovalle·
Que excelente curso. El es complemento del anterior sobe Álgebra Lineal. Muy buen docente
JHON FREDDY TAVERA BLANDON
@jhonfypy·
Hay que practicar mucho para poder pasarlo, excelente que ponga buen tiempo en estos exámenes que son algo complejos
Emel GM
@emelgm·
buen contenido, pero hizo falta contenido que no concuerda con el título del curso, de lo contrario sería modificarlo.
JULIAN ESTEBAN QUINTANA PUERTA
@julianquintana·
<3
Eduardo Ramón Rojas Gamarra
@Edu_Rojas·
De los mejores profesores de esta ruta 👌
Adrian Flores Tomas
@adrianrakes360·
Un curso muy bueno, bastante vistoso para amarrar los conceptos desde la visualización. El profesor excelente como siempre.
Miguel Carvajal
@m.angel9106·
dificil curso
Carlos Mazzaroli
@mazzaroli·
Muy buen curso, miren mis apuntes que complementa muy bien el curso B) https://deepnote.com/@mazzaroli/Algebra-Lineal-Aplicada-para-Machine-Learning-9f3a1078-a83d-48b5-b5a6-a67dea878fc8
Juan R. Vergara M.
@juan-raul-vergara-m·
Buen curso, aunque algo complicado para mi sé que me ayudará mucho este conocimiento en el desarrollo de mi carrera como científico de datos 😎🚀🔥🥇
Juan Sebatian Ariza
@juanleal3df8ef6a85554ee6·
Me hubiera gustado que el curoso de Numpy y Pandas hubiese estado antes de este curso, hace mucho mas facil su entendimiento
Daniel Nicolas Diaz Munevar
@DaNMuner·
No pudo haber sido mejor, estuvo increíble y muy didactico!!
Eleva tu aprendizaje
Complementa este curso con nuestras rutas de aprendizaje
Inteligencia Artificial y Data Science
Aprende ciencia de datos con cursos de Data Science y explora el potencial sin límites de los datos, el machine learning y la inteligencia artificial.
Ruta
Análisis y Visualización de Datos
52 horas
10 Profes
Aprende a extraer, limpiar, analizar y visualizar datos para comunicar insights y apoyar la toma de decisiones estratégicas en los negocios.
Ruta
Data Engineer
43 horas
12 Profes
Aprende a construir y gestionar pipelines de datos escalables, utilizando herramientas como Spark, Airflow, y bases de datos SQL y NoSQL en entornos cloud.
Ruta
Machine Learning y Deep Learning
63 horas
16 Profes
Profundiza en algoritmia, aprendizaje supervisado, no supervisado, redes neuronales, y el despliegue de modelos de Data Science e Inteligencia Artificial en producción.
Ruta
Fundamentos de Data Science y AI
56 horas
13 Profes
Adquiere las bases matemáticas, de programación y de ingeniería de software necesarias para iniciar en el mundo de la ciencia de datos y la inteligencia artificial.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender