Opiniones del Curso de Álgebra Lineal Aplicada para Machine Learning

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

Gracias, muy buen curso. Queda claro que el álgebra lineal es uno de los pilares del ML

Muy buen curso, explica claramente conceptos álgebra lineal que se requieren para el manejo de las herramientas de implementación de modelos de análisis de datos para no sobrepasar la capacidad de los dispositivos y acelerar el proceso

Me costo jeje :)

La información es buena, el profesor tiene conocimientos pero no lo recomiendo por la forma tan lineal(y aburrida) que tiene el profesor de hablar, aunque si no tienes problemas con que un profesor hable tan linealmente si que te puede servir mucho, pongo 5 estrellas porque platzi censura calficaciones menores.

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.

Excelente contenido y explicación.

excelente clase este profe me parece excelente todo se le entiende

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:

Estoy muy contento de haber realizado este curso. Gracias por todos los conocimientos que me brindaron. Seguiré apostando a los cambios, porque creo que siempre son posibles.

Me encantó el curso, definitivamente, es necesario tomar antes el curso de Fundamentos de álgebra líneal para entender mejor este curso

KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK

El profesor es lo maximo, explica muy bien y el curso es muy interesante

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

Este curso tiene un excelente contenido y es sumamente bien explicado por el teacher te lo recomiendo jamas entenderas mejor las matematicas que aqui

:)

La clase es muy buena, termina siendo un poco denso pero bueno, me gustaria hacer algo mas práctico para entender mejor

Excelente curso, muy bien aterrizada la teoría con los ejemplos vistos. Gracias

Me ha encantado el enfoque, es increíble lo que se puede hacer con algebra.

Excelente profesor, muy buen contenido del curso, sin embargo sugiero que antes de tomar el curso se tenga conocimientos fuertes en algebra lineal.

Excelente curso, excelente maestro realmente no es muy fácil pero les recomiendo que si deben repetir una clase dos veces y comprobar con papel y lápiz y de nuevo en Python háganlo, adicional el examen es increíble.

Aprender sobre PCA, también a calcular autovalores y autovectores y sistemas de ecuaciones lineales.

Me ayudo a conocer nuevos conceptos de algebra lineal que yo no conocia y aparte me ayudo a saber más conceptos con numpy y saber nuevas librerias para python

Excelente curso, muy intuitivo y con excelente explicacion por parte del profesor

Un curso básico y bueno. Con aplicaciones básicas pero que cubren un nivel básico. Echo de menos que se adjunten los apuntes, textos o bibliografía para repasar y no tener que acudir a los vídeos cuando no es necesario

Excelente curso, 100% practico.

Un curso muy bueno, la mayoría de las clases son muuuuy entretenidas. El profe debería dar un curso de algunas librerías.

Si no has estudiado antes álgebra lineal este curso puede resultar un poco denso. Podrías necesitar un poco de esfuerzo para entender con claridad los conceptos que aquí se desarrollan. Para los experimentados, puede representar solo un repaso.

Escencial en términos de matematica requerida para machine learning.