Platzi Team
Curso de Clustering con Python y scikit-learn

Opiniones del Curso de Clustering con Python y scikit-learn

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.

Avatar Juan José Beltrán

Juan José Beltrán

@beltranjuanjo.r

Es un curso muy completo y muy bien explicado

Avatar Joaquin Andrez Sepulveda Araya

Joaquin Andrez Sepulveda Araya

@joaquin08

Muy bueno el curso, la última parte se vuelve un poco compleja pero imagino está bien. Excelente profe, eso si sería bueno agregar los cuadernos template para no tener que usar el cuaderno con todos los resultados

Avatar Nagcely Mendoza

Nagcely Mendoza

@Nagcely

Excelente profesor y contenido para entrenar modelos de machine learning con algoritmos no supervisados.

Avatar Eduardo Enriquez

Eduardo Enriquez

@edu.e.mendoza

Ejemplos perfectamente adecuados al tema y muy extensos en la explicacion

Avatar Alexis Julián Rojas Huamaní

Alexis Julián Rojas Huamaní

@ajrojash

Muy buenas las explicaciones.

Avatar Luis Ernesto Domínguez Velásquez

Luis Ernesto Domínguez Velásquez

@ldominguez667

Es un buen curso donde se ve la teoría y la práctica de 3 algoritmos de segmentación K-means, DBSCAN y hierarchical clustering. Con estos algoritmos se puede segmentar clientes de una empresa con objetivo por ejemplo de crear nuevos productos y servicios en función a las necesidades del cliente.

Avatar Felipe Sebastián Zepeda González

Felipe Sebastián Zepeda González

@pipevash

Excelente curso introductorio a Clustering con sklearn. El profesor es muy claro y domina la materia.

Avatar Christian Julian Acosta Santamaria

Christian Julian Acosta Santamaria

@Julian0216

Muy buena introducción a este tipo de algoritmo de ML. El profesor Carlos es muy bueno explicando y dando ejemplos. Recomendado

Avatar Juan Camilo Botero Rendon

Juan Camilo Botero Rendon

@juancamiloinfor62

Fue un curso muy completo, excelente, aprendí mucho.

Avatar Emel GM

Emel GM

@emelgm

excelente curso y más por el profe Carlos

Avatar Jesus Calderon

Jesus Calderon

@j.calderon

Muy buen curso, excelente facilitador, el temario esta muy bien construido,

Avatar Juan R. Vergara M.

Juan R. Vergara M.

@juan-raul-vergara-m

Otro gran curso dictado por el gran Carlos Alarcón, aprendí muchas cosas interesantes que me serán de gran ayuda.

Avatar Miguel Carvajal

Miguel Carvajal

@m.angel9106

El docente es espectacular, me encanta su forma de explicar

Avatar Irving Hernández

Irving Hernández

@irving.hernandez.ag

Extraordinario curso para adentrarnos al aprendizaje no supervisado. Espero más cursos como este. Gracias, Platzi!

Avatar Juan Camilo Cuervo Say

Juan Camilo Cuervo Say

@Juan_

Excelente curso, y excelente profesor. Estos cursos especializados, que no se toman prisa, son de los mejores que hay en la plataforma.

Avatar Nicolas Mendoza Kuster

Nicolas Mendoza Kuster

@nicomendoza65

excelente el docente, quiero verlo explicando mas algoritmos de ML

Avatar Michael Forero Chaux

Michael Forero Chaux

@freemanchx

Excelente curso, de los mejores de Machine learning

Avatar Alexander Rodríguez Rodríguez

Alexander Rodríguez Rodríguez

@alexander10rodriguez

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.

Avatar Jorge Morales

Jorge Morales

@jmorales190

Hacerlo un poco mas practico con casos de uso reales.

Avatar Alejandro Cano

Alejandro Cano

@alejandrocanomn

Revisar las preguntas del test, hay errores ortográficos y preguntas mal redactadas

Avatar Olga Patricia Torres Garcia

Olga Patricia Torres Garcia

@olga-patricia-torres-garcia

muy clara y con elementos para aplicar a la realidad, me hubiera gusta haber visto ejemplos con variables categoricas y no solo las numericas