Camilo Jose Lopez Amaya
@camilo.lopez7216Sería bueno hacer ejemplos con variables categóricas


Subtítulos en español
165
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
Sería bueno hacer ejemplos con variables categóricas
Excelente curso, muy buena la teoría y luego se realiza un ejercicio practico muy completo, muy buen profesor, claro y enseña paso a paso los modelos.
.
De verdad que me siento muy orgulloso de este profesor, demasiado teso, ufff
Good teacher
Muy buena introducción a este tipo de algoritmo de ML. El profesor Carlos es muy bueno explicando y dando ejemplos. Recomendado
es genial poder corroborar mis conocimientos
excelente curso y más por el profe Carlos
¡Excelente curso, lo recomiendo al 100%!
Muy buen curso, excelente facilitador, el temario esta muy bien construido,
La practica
Excelente contenido, el profesor domina muy bien los temas
nice
Excelente. Curso muy necesario y entendible. Muy didáctico.
FUE MUY BUENO
Buen curso, muestra claramente las consideraciones y aplicaciones de los diferentes métodos de una manera entendible.
las ecplicaciones de los algorimos a traves de graficos en movimiento
Escelente!! Muy buena información. Un curso muy entretenido y apasionate.
excelente el docente, quiero verlo explicando mas algoritmos de ML
Excelente curso, de los mejores de Machine learning
Excelente curso para salir y aplicarlo para generar valor en la empresas
Excelente
Gracias por el curso.
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.
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.
Se requiere de cierto nivel de conocimiento anterior sobre código y de conceptos para poder comprender mejor el curso, es probable que cada método de clusterización requiera de un curso individual.
Revisar las preguntas del test, hay errores ortográficos y preguntas mal redactadas
muy clara y con elementos para aplicar a la realidad, me hubiera gusta haber visto ejemplos con variables categoricas y no solo las numericas