Mauricio Combariza
@mauriciocombarizaLa clase es muy buena, termina siendo un poco denso pero bueno, me gustaria hacer algo mas práctico para entender mejor
532
Opiniones
intermedio
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.
Sebastián Sosa
Co-founder en Caburé
La clase es muy buena, termina siendo un poco denso pero bueno, me gustaria hacer algo mas práctico para entender mejor
:)
Este curso tiene un excelente contenido y es sumamente bien explicado por el teacher te lo recomiendo jamas entenderas mejor las matematicas que aqui
Es un tremendo profesor enseña conceptos super abstractos de manera que son fácilmente visualizables. lo que si hay partes donde se confunde entre dirección y sentido eso debería haberlo grabado denuevo . pero todo lo demás es excelente
El profesor es lo maximo, explica muy bien y el curso es muy interesante
Un curso muy bueno, con gran contenido para introducirte al machine learning
Me encantó el curso, definitivamente, es necesario tomar antes el curso de Fundamentos de álgebra líneal para entender mejor este curso
Buen curso
Excelente... Ojo con los siguientes puntos de la evaluación, las respuestas estan como raras: - Usar np.linalg.svd para descomponer una matriz por el método SVD nos devuelve 3 objetos U, D, V ¿Qué es D? - Cuando importamos una imagen a una matriz usando np.array(list(imagen.getdata(band=0)), float) obtenemos: - ¿Cuál es la solución usando la pseudoinversa de Moore Penrose? - Cuando preparamos nuestros datos para aplicar PCA es importante que estén entre [0,1] o [-1,1] y estandarizarlos (por ejemplo dividir todos los elementos por el máximo valor que pueden tomar nuestros datos) porque:
excelente clase este profe me parece excelente todo se le entiende
Excelente contenido y explicación.
Es genial ver como los conceptos que antes se hacía a mano y con poca aplicación práctica, ahora con el curso tiene aplicación y podemos usar herramientas prácticas y poderosas para manipularlo.
Me parece que en ingeniería, la potencia de algebra lineal se puede ver en un curso así.
Me costo jeje :)
Me hubiera gustado que el curoso de Numpy y Pandas hubiese estado antes de este curso, hace mucho mas facil su entendimiento
Excelente curso!! Me gustaria que en el tema de PCA a imagenes profundizaran mucho más porque el curso es increible y el profesor es excelente.
Buen curso, aunque algo complicado para mi sé que me ayudará mucho este conocimiento en el desarrollo de mi carrera como científico de datos 😎🚀🔥🥇
Buen curso, quizás falta un poco más de detalle en algunas explicaciones nada más
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
Hay que practicar mucho para poder pasarlo, excelente que ponga buen tiempo en estos exámenes que son algo complejos
Gran curso para reforzar los conocimientos en álgebra lineal, además de que te da una idea de como funcionan algunos procesos computacionales
¡Excelente curso!
Bonito
Excelente curso
Excelente el curso. El docente explico los temas perfecto.
Buen curso
I really enjoyed taking along this course. I t is highly recommended to get into ML, I really like the way the Proff teaches his lessons, He IS very friendly and full of Math Knowledge , I understand the critical roll fo Lineal Algebra For Data Science and I like it.
Me encanto el curso! Directo!
Excelente curso, el profesor explica de forma increible 😎!
Excelente