Jesús Vélez Santiago
Curso de Manejo de Datos Faltantes: Imputación

Opiniones del Curso de Manejo de Datos Faltantes: Imputación

Maneja datos faltantes imputando valores utilizando técnicas de modelos y donantes. Aprende imputaciones como media, mediana, moda, KNN y MICE. Descubre cómo transformar y analizar datos categóricos y numéricos.

Avatar Esteban Vega

Esteban Vega

@esteban-vega283

un curso algo pesado y que requiere de bastante practica pero bueno al final de todo

Avatar Jeinfferson Bernal G

Jeinfferson Bernal G

@jeinffersonB

Uno de los mejores cursos vistos hasta ahora. Muy buenas explicaciones por parte del profesor. Super recomendado!

Avatar Angel Dario Bublitz

Angel Dario Bublitz

@dariobublitz

Excelente curso. Muy claro y didáctico. ¡no te lo pierdas!

Avatar ariel diaz

ariel diaz

@adiazmerlo

Excelente, muy contento con el contenido.

Avatar David Gabriel Luna Pérez

David Gabriel Luna Pérez

@xeurop343

Muy buen curso

Avatar Jhony Guel

Jhony Guel

@jhonyguel

Tratar variables categóricas para imputar.

Avatar Giocrisrai Godoy Bonillo

Giocrisrai Godoy Bonillo

@giocrisrai

Excelente contenido su serie de cursos muy útiles para el desarrollo de proyectos

Avatar Jose Luis Quintero Sánchez

Jose Luis Quintero Sánchez

@joseluisquintero06

Este curso es realmente muy completo, ye te brinda todo el contenido necesario para usar diferentes métodos de imputación de datos

Avatar Carlos Mazzaroli

Carlos Mazzaroli

@mazzaroli

Muy buen curso! Incluso podría ser mejor hacerlo antes que el curso de EDA para poder aplicar los métodos aprendidos en el proyecto de los pingüinos.

Avatar Jose Fabricio Rodriguez Sanchez

Jose Fabricio Rodriguez Sanchez

@jf-02

Muy útil para el análisis de nuestros datos, una parte muy importante de conocer cuando y como debemos implementar estas técnicas vistas.

Avatar Oscar David Bocanegra Capeara

Oscar David Bocanegra Capeara

@David_Bocanegra

Es un curso bastante interesante para aprender que se puede hacer con los valores faltantes de nuestros data sets, y darnos una idea de en que momento usar el algoritmo adecuado

Avatar Mateo Chaves Vanegas

Mateo Chaves Vanegas

@mchavezv

Un super curso, aprender sobre los modelos que sirven para imputar los valores faltantes fue supremamente enriquecedor para mi, muy recomendado este curso y los demas cursos de este profesor.

Avatar Rigoberto Acosta González

Rigoberto Acosta González

@rigo93acosta

Creo que se necesitan desarrollar más los criterios estadisticos

Avatar Daniel Moreno

Daniel Moreno

@damt

Excelente curso.

Avatar Roger Christian Cansaya Olazabal

Roger Christian Cansaya Olazabal

@roger-cansaya-olazabal

Gran curso de imputaciones pero merecia una trilogia para tratar cada metodo de imputacion

Avatar Anyilo José Rangel Arias

Anyilo José Rangel Arias

@anyilojr

Uno de los mejores cursos que he tenido de este profesor.. El de cookicutter fué horrible.

Avatar Isaac Bryan Ascanoa Roncall

Isaac Bryan Ascanoa Roncall

@Bryan0101

Este curso me enseño que hay un mundo grande en el data-scients. Es recomendable para la gente que trabaja para no estar perdido y aplicarlo en su dia dia.

Avatar Cristian Morales Solis

Cristian Morales Solis

@cristianmoralessolis

Es un curso muy completo y avanzado de imputación, las técnicas aprendidas me están sirviendo bastante

Avatar Carlos Eduardo Mayorga Rodríguez

Carlos Eduardo Mayorga Rodríguez

@cmayorga2012

Buen curso, buenos ejemplos.

Avatar Felipe Sebastián Zepeda González

Felipe Sebastián Zepeda González

@pipevash

Excelente curso introductorio a la imputación de datos faltantes. El profesor es claro, domina el contenido y es preciso. Los ejercicios vistos en el curso son interesantes y desafiantes.

Jesús Vélez, todo un crack. Clase totalmente recomendada.

Avatar Carlos Enrique Cervantes Aguilar

Carlos Enrique Cervantes Aguilar

@carlos27.10.98

Está muy lleno de información, en veces cuesta seguirlo pero con muy interesante.

Avatar Jovanny Delgado

Jovanny Delgado

@jovannydelgado

Lo mejor es conocer la gran variedad de metodos de imputacion hay que saber escoger el más adecuado según el tipo de datos faltantes