Juan Sebastián Bonilla Sanchez
@jsbonillasanchezEL curso en si es muy practico y didactico para seguir aplicando python.
155
Opiniones
básico
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.
Platzi Team
EL curso en si es muy practico y didactico para seguir aplicando python.
Excelente profesor, realmente me gusta como explica las cosas de una manera tan sencilla las cosas que podrían parecer complejas y detalladamente
NA
Muy buenas las explicaciones.
Excelente curso
De verdad que me siento muy orgulloso de este profesor, demasiado teso, ufff
es genial poder corroborar mis conocimientos
excelente curso y más por el profe Carlos
¡Excelente curso, lo recomiendo al 100%!
La practica
nice
los ejemplos usados por el docente para explicar los temas
Extraordinario curso para adentrarnos al aprendizaje no supervisado. Espero más cursos como este. Gracias, Platzi!
Buen curso, muestra claramente las consideraciones y aplicaciones de los diferentes métodos de una manera entendible.
Excelente curso, lo tome mientras hago un proyecto similar en la empresa que trabajo y me resolvio muchas dudas, Recomendado!!
muy bueno :)
muy bueno
Excelente clase, te hace adentrarte en este algoritmo de clasificacion tan importante, porque te determina patrones que un humano le costaria ver de forma numerica, rapida y facil. Ademas que la forma de explicacion del profesor es excelente
Es genial la metodología utilizada, utilizando problemas prácticos para poder aplicar la teoría y aprender a ecoger los mejores híperparametros para cada algoritmo. Sería estupendo tener cursos mas avanzados sobre los demás algorimos de clustering que existen.
Curso práctico y teórico. Vimos 3 diferentes algoritmos de clúster, además de como evaluar los resultados para identificar la mejor configuración de manera objetiva.
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!
Muy buen curso, estructurado y explicado con ejemplos
Buen curso, temas interesantes. Brinda buenas bases para aprender sobre clustering.
Excelente curso
La verdad el profesor es excelente, ojala diera todos los cursos de la ruta xD
Super bueno el curso, el profesor no deja de lado el tema teorico y explica de una manera muy simple conceptos que pueden ser complejos, super recomendado.
Este curso es muy bueno, no solo para aprender sobre el tema de clustering sino también a temas de programación y estructura de datos con python
Excelente curso, graciassss
La calidad humana y profesional del profe.
excelente curso