Jaime Castañeda
@jacastanedah·
Muy importante el curso para el manejo de los datos faltantes, el profesor ayuda mucho al entendimiento del tema
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
Mariano Gonzalez
@mgonzalez204·Excelente curso.
Ana Patricia Pérez Ríos
@anapatriciaperezrios·¡Excelente curso, excelente docente! ¡Gracias Platzi!
Mario Alexander Vargas Celis
@MarioAlexanderCelisVargas·excelente curso
RENÉ CARDOSO
@rcardosob·Seguramente volveré a ver vídeos específicos de este curso. Muy completo! Felicidades por tan buen curso.
Eduardo Samaniego
@Eduardomsf·LGTM!
Mateo Chaves Vanegas
@mchavezv·No tenia idea que los valores faltantes tenian tanto detras, desde sus causas (MCAR, MAR, MNAR), hasta la forma de lidiar con ellos, ya sea imputando o eliminando, un curso muy interesante para trata este tipo de dato tan comun
