
Alejandro Arias
@disbleCurso bastante práctico, con excepción del último tema, todo se muestra con ejemplos y de forma gráfica, recomendado.
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
Curso bastante práctico, con excepción del último tema, todo se muestra con ejemplos y de forma gráfica, recomendado.
El proyecto final de la aplicación del PCA no lo pude terminar, habría sido bueno agregar mas detalles y complementos.
Buen profe, los temas claros, para repasar los temas y elementos del algebra lineal
Excelente curso, enseñaron la matemática detrás de un método de scikitlearn y de numpy y luego usaron un ejemplo practico
.
Buena explicacion del profe, pero falto profundizar mas en PCA
Fue un poco complicado, por que no vi el algebra primero, gracias
en este curso pude poner en practica los conceptos aprendidos de algebra y aprender la importancia de el algebra lineal
El contenido de este curso es excelente y el profesor explica con peras y manzanas. Hay que tener buenas bases de álgebra lineal antes de tomar este curso!
Dificilísimo, voy a tener que llevarlo de nuevo. Buen curso.
El curso es bueno pero el profesor es muy técnico en sus explicaciones
Me parece que el profesor podría explicar con mayor detalle algunas líneas que escribe en código, de resto muy organizado y de calidad.
Curso interesante. Temática interesante. Buenos ejercicios. Recomendado.
Me gusta las explicaciones pausadas y concisas que realiza el profesor, condensa bien la informacion volviendo interesante la explicación teniendo en cuenta la complejidad y lo pesado que llega a hacer el algebra lineal.
Aprendí a usar las funciones Singular Value Decomposition, Principal component Analysis para descomponer y reducir dimensiones con la finalidad de procesar la información
El profesor es bueno explicando, lo tomé por el curso anterior, siento que estuvo algo pesado el examen
Buen curso donde se introducen los conceptos básicos para aprender a entender las matemáticas detrás de la ciencia de datos
Tengo una opinión parecida al curso de fundamentos de algebra lineal donde estoy satisfecho sobre todo de la teoría del PCA que antes no lo entendía, agradezco que me solucionaran esa duda.
Continua el proceso del anterior curso , los refuerza con otros nuevos y ademas los aplica
El profesor es excelente en la manera que explica cada concepto, sin embargo el nombre del curso no está relacionado del todo a su contenido, se queda algo corto ya que teníamos expectativas de machine learning, que si bien se presentan herramientas del algebra lineal que usaremos, no se conecta muy bien salvo el caso final que se desarrolla.
Podemos afianzar mas nuestros conocimientos en programación con las librerías vistas y con los ejercicios resueltos
Buen curso, pero siento que falto poner un curso mas antes de este pero sigan adelante éxitos :D
buen contenido y buena la explicación del profesor
Un buen curso. Aunque considero que no se trabajo nada especifico de MA.
Bien explicado, de manera que pueda entender fácilmente los temas, además sumamente esencial para entender de mejor manera los siguientes cursos que se presentan en la ruta
Excelente curso, gracias por todo el conocimiento.
Intersante y muy útil, incentiva a aprender más, aunque este curso solo es introductorio, el contenido es difícil de aprender a la primera vez así que es necesario profundizar más.
Un curso bueno para introducir a PCA, tal vez un poco confuso el código que se presenta pero en general está bien.
la pregunta hacerca de porque es importante estandarizar los datos creo que no tiene obcion correcta. es decir tiene la opcion ninguna de las anteriores pero igual sale como erronea
Mejorar la Rigorizidad con la que se presentan algunos temas.