Nivel Básico
28 clases
2 horas de contenido
10 horas de práctica
Aprende a implementar Decision Trees y Random Forest usando Python y scikit-learn. Desde cero, construye, entrena y evalúa modelos de clasificación, aplicando técnicas de Machine Learning para obtener resultados precisos en tus proyectos.
Clases del curso
Proyecto práctico: árboles de decisión
Introducción a random forest
Proyecto práctico: random forest
Conclusión
Profes del curso
Conoce quién enseña el curso
Layla Scheli
Consultora de BI, Big Data y Data Science
💻 Ingeniera en sistemas de información.
☁️ Especializada en data analytics, data science, cloud computing y big data.
💡 Freelance y autónoma.
Proyecto del curso
Clasificación de automóviles con machine learning
Crea un modelo basado en árboles para clasificar carros dependiendo de características que miden su calidad con base en su tecnología, comodidad y precio.
conocimientos previos
- Programación en Python.
- Regresión lineal con Python y scikit-learn.
- Matemáticas para machine learning.
- Fundamentos de machine learning con Python.
- Regresión logística con Python y scikit-learn.
software y recursos necesarios
- Jupyter Notebook, Google Colab, Deepnote, etc.
Opiniones del curso
4.7 · 127 opiniones
Ruben Dario Troche Piñanez
@dtf.ruben.troche·
Excelente el curso y realmente muy últil e interesante. Gracias Totales Profesora y Platzi por agregarme valor.
Carlos Ronaldo Méndez García
@gycarmendez·
MUY BIEN TODO
Guillermo Palacio
@gapalacic·
.
Mercedes Jue
@juemercedes·
Una de las mejores profesoras de Platzi, excelente!
Jason Sepulveda
@jasonssdev·
Muy buen curso para aprender lo fundamental de random forest, directo al grano y con ejemplos practicos
IVAN RUBEN DIAZ RAMIREZ
@ivaxrubex·
¡Sin duda una de las mejores profesoras que tiene Platzi! No se pueden perder este curso
Alejo Cuello
@alejo-cuello·
La comparación de resultados de un árbol de decisión vs random forest
Rogelio Valadez
@rogeliozedalav004·
Muy bien explicado y te da una fuerte introduccion y base a este tipo de algoritmos de clasificación
Jose Fernando Garcia Marin
@jfgm_333·
La profe es genial, muy claro todo
Alexis Aquino Noriega
@economathnoja·
UN curso muy comleto para entender los algoritmos de clasificacion que son arboles aleatorios y bosques aleatorios, el contenido muy muy bueno y preciso, sin embargo hizo falta profundizar en algunos parametros como criterios para el modelo, en general un buen curso de nociones basicas o para entender estos algoritmos.
Braulio Alberto Bueno Pabon
@babuenop·
La explicación es clara y fácil de entender. Ayuda mucho a comprender cómo funcionan los árboles de decisión y los random forest, y también cómo se pueden crear y aplicar en la práctica. Excelente para quienes estamos aprendiendo desde cero o queremos reforzar conceptos.
Roberto Sobrado Taymani
@roberto.sobrado.taymani·
Las excelentes explicaciones de la maestra y muy buenos ejemplos.
Nery Fuentes
@nery.fuentes·
Excelente curso :)
Esteban Navarro Díaz
@estebannavarrodaz·
Es necesario incluir ejemplos de regresión en este curso, ya que se puede pensar que estos algoritmos solo sirven para clasificación.
RENÉ CARDOSO
@rcardosob·
Excelente curso. Ojalá y la profesora de más cursos.
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
Cecilia Aponte
@apontegg·
Excelente contenido para entender la aplicación de arboles de decisión y los conceptos asociados a los parámetros utilizados en este tipo de modelos para su optimización
Hernán Pizarro
@hern4npizarro·
Lo que mas me gusto fue la profe.
Mariano Castelli
@mcastelli3640·
Muy buena combinacion teorico práctica, excelente docente.
Carlos Mario Osorio Jimenez
@coordinador.calidad9909·
Ejemplos muy claros y recursos muy utiles, excelente introducción a este tema
Mauricio Escobar
@mauricios_01·
Buen contenido, enfocado al 100% en aprender los conceptos básicos de la implementación de árboles de desición y random forest. En la clase 5, donde se explican los temas de árboles de decisión (al menos a mi) se me hizo un poco confuso dado el ejemplo que se usó como referencia. Quizás otro ejemplo habría aportado más. Agradecería una segunda parte del curso donde se abordaran temas más avanzados. :D
VICTOR HERNANDEZ
@vjhernandez20·
Me pareció estupendo, conceptos y ejemplos acertados. Un curso muy bien orientado.
Raúl Mamani Cusi
@mc.raul86·
Muy buen curso gracias, ahora a ponerlo en practica
Daniel da Silva Jarque
@ddasilvajarque·
Gracias a la profesora, por el curso y a los compañeros, por sus aportaciones.
Julio Leonel Espejo Yañez
@jleonele·
Muy buen curso, facil de entender
luis arturo Monsalve
@Arhtur·
muy buenooo
Federico Arias
@f_ariassuarez·
Me parecio basico, quizas habria que agregar la parte de hiperparametros
Sebastian Lopez Acero
@sebastian_lopez·
Me encanto al forma de enseñar de la profe, explicando paso a paso y teniendo un notebook documentado
José Salas Bolívar
@josesalasbolivar98·
Excelente
Hector Jose Rosas Zambrano
@hectorj2252703·
excelente
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Data Scientist con Python
90 horas
16 Profes
Explora el fascinante mundo del Data Science con Python. Cada curso es un paso crucial hacia el análisis de datos y la creación de modelos de machine learning.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender