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
Excelente curso para salir y aplicarlo para generar valor en la empresas
Muy buen curso de clustering
un curso muy bien estructurado
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.
Gracias por el curso.
Excelente curso, pero se me complicó un poco entender algunas preguntas del exámen.
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.
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.
Excelente, hace falta mas cursos así.
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!
Excelente curso, excelente profe
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.
Excelente curso
Muy buen curso.
La verdad el profesor es excelente, ojala diera todos los cursos de la ruta xD
Excelente curso para entender las nociones básicas de los 3 algoritmos de clusterización más populares (requiere conocimiento intermedio de python).
El curso es excelente. Carlos Alarcón tiene excelente nivel científico, técnico y Pedagógico
Bastante explicativo y muy fácil de entender, me gustaría
Excelente curso, graciassss
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.
Maravilloso curso, el profe explica de forma excelente!
Excelente curso! Se dan ejemplos muy claros
La manera de enseñar del maestro, es muy didactico con sus explicaciones
El mejor profesor de lo que va de data science.
Excelente curso. Saludos.
Excelente curso, este tema de ML me gusta mucho y estoy aprendiendo un monto. Carlos es excelente docente
Me encanto el curso porque la puntualidad del tema, las ventajas las explica de forma muy clara . Creo que se puede profundizar un poco algunos casos de uso ya que he visto que el hysterical cluster puede ser limitado