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
4.8 · 115 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.
Patricio Sánchez Fernández
@patricio.sanchez.fernandez·
Muy buen curso, y excelente profesora. Tiene la capacidad innata para enseñar, explica de forma muy detallada, paso a paso. Lo cual resulta de gran ayuda, para quienes no somos del area de la programación y desarrollo.
Mateo Chaves Vanegas
@mchavezv·
Un curso increible, me parecio muy interesante todo lo que podemos hacer con los arboles de decision y los random forest
Nery Fuentes
@nery.fuentes·
Excelente curso :)
Andrés Felipe Ruiz Medina
@andresfruizmedina·
Muy buen curso, cada vez que veo un curso de la escueta de Ciencia de datos entiendo mucho más
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.
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.
Ignacio Joel Duran Choque
@nAcHo·
De los mejores cursos que he tomado, la profesora aclaraba muy bien los conceptos y los procedimientos paso por paso, no dejaba nada entredicho, y me sirvió mucho para entender la mecánica en general de los modelos predictivos
Daniel da Silva Jarque
@ddasilvajarque·
Gracias a la profesora, por el curso y a los compañeros, por sus aportaciones.
Cristian Eduardo Florián
@eduardoflorian7·
Excelente curso, muy práctico.
Isaac Bryan Ascanoa Roncall
@Bryan0101·
Me encanto este curso. Te explica de manera especifica y detallada. Hace ver la materia muy sencilla y te permite mejorar tus capacidades y habilidades como programador.
FELIX NADER NUÑEZ
@felixnn24381·
Obtener una herramienta mas muy util para el trabajo
Federico Arias
@f_ariassuarez·
Me parecio basico, quizas habria que agregar la parte de hiperparametros
Hector Jose Rosas Zambrano
@hectorj2252703·
excelente
Harry Hoyos
@harry-hoyos·
Me encantó el contenido, aprendí muchisimo
Horacio Licona González
@horaciolicona0711·
Excelente curso, aprendí demasiado sobre los árboles de decisiones, random forest y sus aplicaciones.
Wilmer David Cedeño Mendoza
@Trixtaro·
Me gusta que se enfoque solo en los arboles de decisión y tenga varios ejemplos, y tambien como procesar la data categorica en numerica
Eduardo Enriquez
@edu.e.mendoza·
Muy bien dirigido y explicado en Temas y ejemplos
LUIS GUILLERMO MONCADA RUIZ
@fiyugun·
Los Ejemplos de Machine learning siempre salen en un escenario muy ideal, me gustaria hacer ejemplos donde se manejen similares a las reales, con datos que no son faciles de manejar.
Juan Sebastian Moncada Aguilar
@smoncada485·
.
Sebastian Zapata Ramirez
@sebastian.zapatar772·
Muy interesante para los que estan comenzando en el mundo del ML
Juan José Cabrera
@jjuanc10·
De los mejores cursos que hay en platzi. Muy practica y explica muy bien!
@haukefalcon84011·
Excelente curso!
Sebastian Gaviria
@sebasga_79·
Muy buen curso
Mauricio Estrada
@maucodev09·
Es un curso extraordinario. La organización del contenido, el ritmo de la profesora, su precisión en las explicaciones, en fin, es un curso que recomiendo ampliamente.
Cristian Ruz Sanchez
@cristian-ruz-sanchez·
su simpleza y facil utilizacion
Valery Villamizar Avella
@valeryva321·
Excelente explicación
Eleva tu aprendizaje
Complementa este curso con nuestras rutas de aprendizaje
Inteligencia Artificial y Data Science
Aprende ciencia de datos con cursos de Data Science y explora el potencial sin límites de los datos, el machine learning y la inteligencia artificial.
Ruta
Análisis y Visualización de Datos
52 horas
10 Profes
Aprende a extraer, limpiar, analizar y visualizar datos para comunicar insights y apoyar la toma de decisiones estratégicas en los negocios.
Ruta
Data Engineer
43 horas
12 Profes
Aprende a construir y gestionar pipelines de datos escalables, utilizando herramientas como Spark, Airflow, y bases de datos SQL y NoSQL en entornos cloud.
Ruta
Machine Learning y Deep Learning
63 horas
16 Profes
Profundiza en algoritmia, aprendizaje supervisado, no supervisado, redes neuronales, y el despliegue de modelos de Data Science e Inteligencia Artificial en producción.
Ruta
Fundamentos de Data Science y AI
56 horas
13 Profes
Adquiere las bases matemáticas, de programación y de ingeniería de software necesarias para iniciar en el mundo de la ciencia de datos y la inteligencia artificial.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender