Nivel Básico
28 clases
4 horas de contenido
12 horas de práctica
Agrupa países según métricas económicas y sociales usando clustering con Python y scikit-learn. Aprende a manejar datasets, eliminar duplicados, detectar outliers y normalizar variables. Aplica K-means, clustering jerárquico y DBSCAN.
Clases del curso
K-means
Hierarchical clustering
DBSCAN
Proyecto: resolviendo un problema con clustering
Conclusiones
Profes del curso
Conoce quién enseña el curso
Proyecto del curso
Clusterización de datos: categorización de países y segmentación de clientes
Crearás un proyecto de datos de países con características socio-económicas similares aplicando K-means, clustering jerárquico y DBSCAN para crear clústeres de datos. Como proyecto final deberás realizar una segmentación de clientes, agrupándolos de acuerdo a sus características de personalidad y comportamiento.
software y recursos necesarios
- Jupyter Notebook, Google Colab, Deepnote, etc.
Opiniones del curso
4.8 · 159 opiniones
FELIX DAVID CORDOVA GARCIA
@felix.david.cordova.garcia·
Curso espectacular, vale la pena tomarlo y repasarlo varias veces, se aprende demasiado :)
Adriana Villalobos
@pixelciosa·
Me gustó mucho el orden, ritmo y nivel de detalle de este curso, aprendí mucho y el profe es excelente.
Oscar Alfonzo Medrano Yilalys
@oscaralfonzomedranoyilalys·
Este curso es una excelente introducción al clustering en machine learning. Aborda de forma clara y práctica los conceptos clave y los algoritmos más importantes. Aprendí a identificar cuándo aplicar el clustering y qué algoritmo es el más adecuado para cada caso. La explicación de los fundamentos de K-means y por qué funciona mejor con datos esféricos fue muy útil, así como la comparación con DBSCAN y su capacidad para encontrar clústeres de formas irregulares y manejar el ruido. La parte de la implementación en scikit-learn es muy bien explicada, mostrando cómo usar las propiedades del modelo como kmeans.cluster_centers_ y cómo importar correctamente las clases como AgglomerativeClustering. También se destaca la importancia de la preparación de datos (escalamiento) y la evaluación con métricas como el coeficiente de silueta. En resumen, un curso muy completo y directo al punto. ¡Totalmente recomendado!
Jason Sepulveda
@jasonssdev·
Muy buen curso, estructurado y explicado con ejemplos
Alejo Cuello
@alejo-cuello·
La comparación entre los distintos métodos aprendidos. Es un curso muy completo
Juan Pablo Lopez Mejia
@juanpablo.lopez.mejia·
Excelente curso
Patricio Sánchez Fernández
@patricio.sanchez.fernandez·
Muy buen curso.
Nicolas Urrego
@nicurrego·
Que bien se explica cada tema. Excelente profe!
Angel Estrada
@angest1000·
Bastante explicativo y muy fácil de entender, me gustaría
RENÉ CARDOSO
@rcardosob·
Breve, conciso, y muy bien explicado. Como siempre, excelente profesor. Si uno desea profundizar, puede buscar fuentes por fuera. Este curso es introductorio nivel medio. Muy bien Platzi !!!
Miguel Andres Castro Bocarejo
@macb93·
Otro gran curso de Carlos Alarcón. Me pareció muy fácil de entender como funcionan los diferentes tipo de Clustering con ejemplos prácticos y fáciles de replicar.
Jorge Miguel Diaz
@migueldi·
Maravilloso curso, el profe explica de forma excelente!
Juan Camilo Higuera Calderón
@juancahica·
Muy buen curso, Carlos explica con mucha claridad. Tuvo un buen balance conceptual y aplicado.
Esteban Navarro Díaz
@estebannavarrodaz·
Excelente curso! Se dan ejemplos muy claros
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
JOSE LUIS HURTADO BALCAZAR
@jlhb1984·
La calidad humana y profesional del profe.
Jhoan Fernando Patiño Carrillo
@jhn.patino·
La manera de enseñar del maestro, es muy didactico con sus explicaciones
Cristian perez
@crojo13·
de los m,ejores de la ruta
Daniel da Silva Jarque
@ddasilvajarque·
Gracias al profesor, por el curso y a los compañeros, por sus aportaciones.
David Zambrano
@dezh.econ·
aprendí muchísimo. muchas gracias por esta clase!
Jennifer Paola Blanco
@jblanco5380·
Excelente curso, este tema de ML me gusta mucho y estoy aprendiendo un monto. Carlos es excelente docente
Raúl Mamani Cusi
@mc.raul86·
Gracias Carlos, como siempre tus clases son una de las mejores. Sigue adelante
Felipe Antonio Rodríguez Burgos
@ferobu·
Lo mejor fue lo aprendido: Que es la clusterizacion, preparar y limpiar datos, evaluar resultados con coeficiente de silueta, que es k-means, dbscan, clustering herarquico
Isaac Bryan Ascanoa Roncall
@Bryan0101·
Este curso es recomendable para la gente que esta en el mundo de machine learning. Ademas, explican a detalle y con ejemplo de data real el desarrollo de estos.
Pablo Campiño
@pcampo21·
Excelente curso gracias a la metodologia y los ejemplos de las prácticas. El contenido ayuda a entender progresivamente los temas.
Daniel Moreno
@damt·
Excelente curso introductorio para comenzar a aplicar y optimizar algoritmos de Clustering.
@rene.fuquene·
Buen curso
Hector Jose Rosas Zambrano
@hectorj2252703·
Excelente
Juan José Beltrán
@beltranjuanjo.r·
Es un curso muy completo y muy bien explicado
@pfc_perez·
El contenido del curso es muy bueno, regularmente, los cursos se enfocan en aprendizaje supervisado. Este curso es excelente y el profesor explica claramente
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Machine Learning y Matemáticas con Python
27 horas
8 Profes
Aplica machine learning en tus análisis de datos y genera predicciones para tomar decisiones hacia el futuro.
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