Eduardo Alejandro Cruz Castillo
@eddy_cruz·
Me gusto mucho el curso, si es recomendable llevar primero el curso de la Python para Ciencia de Datos. Pero es muy bueno el curso.
Nivel Intermedio
21 clases
3 horas de contenido
10 horas de práctica
Comprende cómo los valores faltantes pueden distorsionar análisis y cómo tratarlos efectivamente mediante eliminación o imputación. Utiliza técnicas de visualización para identificar patrones y relación entre variables en datos faltantes.
José Fernando Aguilar Arredondo
@FerSaberhagen·Muy buen Profesor. Es uno de los profesores que se le debe dar más oportunidad de hacer más cursos para la escuela de Data Science/ML. Me gustaría ver su metodología para ML y DL. Solo hay unos inconvenientes en el examen; tiene errores ortográficos y errores de selección multiple (solo aparece una opción).
Mauricio Escobar
@mauricios_01·Desconocía la importancia de los valores nulos. Complementa perfectamente con el curso de análisis exploratorio de datos. Valoro mucho que el profesor se haya tomado el tiempo en explicar paso a paso cada uno de los ejercicios. Esto me ha ayudado a entender mejor el concepto. El examen estaba un poco raro
juan castillo
@jccastilloa·excelente
Erick Del Castillo
@erickdelcastillope·Excelente!
JOSE LUIS HURTADO BALCAZAR
@jlhb1984·La calidad humana y profesional del profe.
Edgar A. Gonzalez Ambriz
@EdgarGA·El profesor tocó temas interesantes e importantes
Daniel Castro
@castroantequera31·excelente 👌
Jaime Castañeda
@jacastanedah·Muy importante el curso para el manejo de los datos faltantes, el profesor ayuda mucho al entendimiento del tema
