Opiniones del Curso de Álgebra Lineal Aplicada para Machine Learning

Es un excelente repaso respceto a temas relacionados con el álgebra lineal pero aplicados al contexto de Machine Learning. El curso es casi inmejorable, lo que le agregaría es quizás más ejercicios de cada tema esto para reafirmar los conceptos explicados.

Un curso muy bueno en cuanto a la utilización de matrices para la manipulación de imágenes y otras aplciaciones.

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:

Este curso me hizo enamorarme del algebra, actualmente estoy viendo las clases del MIT sobre algebra lineal que estan en youtube. No se salten este curso, que permite ver parte de la caja negra que hay detras del machine learning.

Me costo jeje :)

Fue grandioso ver cómo se hacen las transformaciones en las imágenes nunca pensé que era de este modo

Un curso excelente. Sin embargo, recomendaría agregar bibliografía complementaria (aunque ya la comunidad agregó varios aportes a lo largo del curso).

Este curso es muy interesante, dado que muestra la aplicación del algebra lineal en el tratamiento de imagenes. Aterriza los conceptos vistos en el curso anterior en forma de aplicación.

Excelente curso solo dos o tres preguntas en la evaluación no muy claras

Muy buena continuacion del anterior curso de AL.

Me hubiera gustado que el curoso de Numpy y Pandas hubiese estado antes de este curso, hace mucho mas facil su entendimiento

Gran profe :)

muy buen curso, interesante el contenido, muy buen facilitador

El contenido de el curso muy bueno y los ejemplos perfectos.

Excelente curso. Muy bueno el profesor explicando. Quizás le hace falta más ejemplos reales de modelos de ML.

Un curso interesante con conceptos claves de álgebra lineal que se usan en Machine Learning, recomendando!!!

Buen curso y profesor, ama lo que explica, aunque falta un poco de mas ejemplos usados en el día a día, con mas ejemplos mas facil quedaria la información

Excelente curso, el profesor explica de forma increible 😎!

El examen final es el más difícil que he sentido en Platzi. El curso vale mucho la pena. Seguramente regresaré a él como consulta o repaso. Gracias!

El profesor enseñó muy bien la lógica matemática y de implementación para la reducción de dimensionalidad.

Muy bueno el curso, sin embargo creo que no toca los temas para machine learning

Muy buen profesor, explica muy bien los temas que a primera instancia parecen ser muy complicados, pero luego de cada clase se hace muy faci

Muy buen contenido, muy práctico y acompañado de la explicación teórica. El profe muestra un amplio dominio del tema y del software.

Excelente curso, excelente profesor!!! Grado alto de exigencia!!

Descomponer una imagen, reducir la calidad hasta el punto necesario para la investigación

Un curso bien explicado con contenido dificil de comprender en primera instancia, pero profesor es muy bueno!

Me gusta la forma como el profesor va construyendo poco a poco los temas, va de lo sencillo a lo complicado