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 Nagcely Mendoza

Nagcely Mendoza

@Nagcely

Excelente profesor y contenido para tratar lo valores faltantes a traves de imputación.

Avatar Hubert Teller

Hubert Teller

@hteller

El curso es excelente, presenta una gran cantidad de conceptos y métodos nuevos para trabajar con valores faltantes. Para aprovecharlo al máximo, es importante abordarlo con paciencia y dedicar tiempo a la lectura detenida de los temas y ejercicios.

Avatar Darrien Sequera

Darrien Sequera

@darriensz

Buen curso. El profesor muy bueno. Felicitaciones!!!

Jesús Vélez, todo un crack. Clase totalmente recomendada.

Avatar Jesus Calderon

Jesus Calderon

@j.calderon

buen curso, el instructor muestra solidos dominos sobre el tema.

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 Nixon Rolando García Ramírez

Nixon Rolando García Ramírez

@ramiresnixongarcia

Uff muy bueno y muy util, este curso complementa lo aprendido en el curso de EDA

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 Nicolas David Sepulveda Alvear

Nicolas David Sepulveda Alvear

@nisepulvedaa

excelente curso totalmente recomendado

Avatar Angel Dario Bublitz

Angel Dario Bublitz

@dariobublitz

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

Avatar Juan camilo truillo galvis

Juan camilo truillo galvis

@juank-black

fue muy gratificante aprender todas estas nuevas tectinas de como imputar valores faltantes,aunque me costo un poco la verdad me gusto mucho

Avatar David Gabriel Luna Pérez

David Gabriel Luna Pérez

@xeurop343

Muy buen curso

Avatar Giocrisrai Godoy Bonillo

Giocrisrai Godoy Bonillo

@giocrisrai

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

Avatar María Eugenia Pereira Chévez

María Eugenia Pereira Chévez

@maria-eugenia-pereira

Como siempre otro excelente curso de Jesús, creo que un curso donde se haga todo el proceso desde análisis de datos faltantes, imputación y exploración de un solo dataset sería excelente.

Avatar Juan L

Juan L

@jlezama1

Muy buen seguimiento al anterior curso de manejo de datos faltantes.

Avatar Emel GM

Emel GM

@emelgm

buen tutor, buen curso y necesario.

Avatar Luis Gerardo Bourde Ortega

Luis Gerardo Bourde Ortega

@LuisBourde

Ayyyy Padre. que buen curso

Avatar Guillermo Medinilla

Guillermo Medinilla

@medinillag

Excelente curso de Manejo de Datos Faltantes: Imputación

Avatar Alfonso Andres Zapata Guzman

Alfonso Andres Zapata Guzman

@AAZG

Excelente curso.

Explicar los conceptos de MCAR, MAR y MNAR así como mostrar algunas técnicas avanzadas para manejar valores faltantes

Avatar Christian Julian Acosta Santamaria

Christian Julian Acosta Santamaria

@Julian0216

Muy buen curso. Me gustó mucho puesto que brinda nuevas herramientas (tipo janitor) para procesamiento de datos, y nos permite entender como realizar la imputación de los mismos. Me encantó. Aunque no soy fan de deepnote, es buena herramienta para estudiar estos casos. Mejoraría que no se utilizara la extensión de pandas especificada por el profesor, pero se entiende el punto del curso

Avatar Giovanny Steven Borrero Hurtado

Giovanny Steven Borrero Hurtado

@geovannyborrero

Muy bien explicado el tema aunque el material de recursos se queda corto y deepnote presento algunos errores al principio.

Avatar Raúl Mamani Cusi

Raúl Mamani Cusi

@mc.raul86

Las preguntas del examen sumamente rebuscadas.