Elias Dudamel
@eliasdudamelExcelente curso para salir y aplicarlo para generar valor en la empresas


Subtítulos en español
162
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
Excelente curso para salir y aplicarlo para generar valor en la empresas
Muy buen curso de clustering
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
un curso muy bien estructurado
Excelente curso, pero se me complicó un poco entender algunas preguntas del exámen.
Este es uno de los cursos que más me gustaron porque no se queda solo en conceptos, sino porque en la parte final aplica lo aprendido con datasets reales
El poder entender los diferentes modelos, sin embargo sería bueno que mencionaran la cantidad de datos que recomendados a usar con cada uno de los modelos, ya que hace mención sobre si performance pero no sobre la cantidad máxima de datos que pude tolerar cada modelo. De resto muy buen curso, excelente el docente.
Gran curso, con un excelente profesor
Muy buen curso, el profe explica muy claro, super utiles las notebooks que ya deja precargadas para descargar
Excelente, hace falta mas cursos así.
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
el docente tiene un alto dominio del tema y sabe explicar muy bien los conceptos así como la aplicación de los mismos.
Un curso genial sobre el aprendizaje no supervizado y como es el debido proceso del clustering
Muy buen curso
Muy buen curso.
La verdad el profesor es excelente, ojala diera todos los cursos de la ruta xD
Que bien se explica cada tema. Excelente profe!
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.
Bastante explicativo y muy fácil de entender, me gustaría
Excelente curso, graciassss
Muy buen curso, Carlos explica con mucha claridad. Tuvo un buen balance conceptual y aplicado.
Excelente curso! Se dan ejemplos muy claros
Excelente!
La calidad humana y profesional del profe.
excelente curso
El mejor profesor de lo que va de data science.
de los m,ejores de la ruta
Gracias al profesor, por el curso y a los compañeros, por sus aportaciones.