David Duque Uribe
@davidduqueuExcelente curso, muy bien explicado


Subtítulos en español
159
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, muy bien explicado
Muy buen curso de clustering
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
Gracias por el curso.
Muchas gracias por el curso. Muy bueno
Excelente curso, pero se me complicó un poco entender algunas preguntas del exámen.
Curso práctico y teórico. Vimos 3 diferentes algoritmos de clúster, además de como evaluar los resultados para identificar la mejor configuración de manera objetiva.
Muy buen curso, el profe explica muy claro, super utiles las notebooks que ya deja precargadas para descargar
Ha sido una buena práctica. el contenido en general es bastante bueno. Mi única objeción es que han habido algunos conceptos que han confundido un poco. Por ejemplo el uso de standard scaler (peculiarmente sensible a los outliers), donde en este caso específico habría sido más útil un RobustScaler.
Me gustó mucho el orden, ritmo y nivel de detalle de este curso, aprendí mucho y el profe es excelente.
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!
Buen curso, temas interesantes. Brinda buenas bases para aprender sobre clustering.
La comparación entre los distintos métodos aprendidos. Es un curso muy completo
Excelente curso
Muy buen curso
Muy buen curso.
Que bien se explica cada tema. Excelente profe!
Excelente curso para entender las nociones básicas de los 3 algoritmos de clusterización más populares (requiere conocimiento intermedio de python).
Bastante explicativo y muy fácil de entender, me gustaría
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
Muy buen curso, Carlos explica con mucha claridad. Tuvo un buen balance conceptual y aplicado.
La calidad humana y profesional del profe.
excelente curso
La manera de enseñar del maestro, es muy didactico con sus explicaciones
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.
Excelente.