
David Torres
@jdavidtorres.h16La primera parte del curso es buena; sin embargo, el contenido es muy pobre respecto a PCA, SVD, sugiero que este curso debe ser actualizado para entenderlo en su totalidad.
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 primera parte del curso es buena; sin embargo, el contenido es muy pobre respecto a PCA, SVD, sugiero que este curso debe ser actualizado para entenderlo en su totalidad.
Un curso muy completo donde se fortalecen conceptos, para poder seguir con las distintas rutas que ofrece Platzi.
Lo mejor, las aplicaciones del Algebra Lineas en el Machine Learning
Es bastante interesante el contenido, sin embargo siento que falta la lógica que se genera cuando se aprende Álgebra Lineal.
Es complicado entender estos temas sin conocer las bases matemáticas que los justifican, pero de todas formas este curso da una luz guia de que aplicaciones puede tener el algebra lineal.
Buen curso donde se introducen los conceptos básicos para aprender a entender las matemáticas detrás de la ciencia de datos
El profesor es bueno explicando, lo tomé por el curso anterior, siento que estuvo algo pesado el examen
Entretenido el curso. No me gustó la parte de PCA. Muchas cosas por explicar quedaron ahí.
Continua el proceso del anterior curso , los refuerza con otros nuevos y ademas los aplica
Buen número de ejemplos, utilizando también las librerías de python para simplificar los cálculos, y aún así se explica la teoría
Buen curso, pero siento que falto poner un curso mas antes de este pero sigan adelante éxitos :D
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.
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.
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.
los temas son muy interesantes, pero no son tocados a profundidad. La comunidad ayuda mucho a entender mejor con comentarios y links a materiales extra
aplicar conceptos a un caso practico
Me encanto la forma en la que se expone la descomposicion SVD
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
Excelente curso
El tema es super intresante, pero siento que puede dividirse en dos cursos para profundizar en la explicación del tema. Yo me tome mucho tiemo estudiando por mi cuenta para poder comprenderlo.
Muy buen curso. El profesor trata de explicarlo de la mejor manera dado que son cursos que necesitan base matemática, necesario revisar el curso anterior si desean entender mejor este curso.
muy interesante algo complejo
El profe explica bien. Tal vez el curso pudo profundizar un poco más.
Este curso ha sido un poco dificil de entender, creo que necesito repasar mas. Estoy siguiendo la ruta de data science.
Mejorar la Rigorizidad con la que se presentan algunos temas.
El contenido ahora fue algo complejo, en realidad no encontre mucho donde aplicarlo, pero espero pronto tener la oportunidad y aprovechar este conocimiento