Nivel Básico
18 clases
4 horas de contenido
10 horas de práctica
Explora el uso de la probabilidad en ciencia de datos y machine learning. Conocerás el teorema de Bayes, regresión logística y máxima verosimilitud, aplicando estos conceptos a través de Python. Ideal para ciencia de datos.
Clases del curso
Fundamentos de probabilidad
Distribuciones de probabilidad
MLE (Maximum Likelihood Estimation)
Inferencia bayesiana
Profes del curso
Conoce quién enseña el curso
conocimientos previos
- Python
- Cálculo
software y recursos necesarios
- Jupyter Notebooks o Google Colab
Opiniones del curso
4.7 · 1133 opiniones
Rodrigo Renaldo López Gamarro
@rodrilopez2444·
Exelente curso!!!
Edward Toledo López
@Edward_TL·
Las tres estrellas es por el cierre, en específico, las útlimas 4 clases. Todo lo previo, es una joya. Me gustaron las explicaciones a nivel matemático, y considero que son escenciales en esta ruta. La razón de las 3 estrellas es que no me hubiese molestado unas clases más con tal de mostrar ejemplos de la aplicación, ya sean antes o después de la teoría. Y si hubiesen sido con código, mejor. Igual, entiendo la importancia de preguntar las fórmulas, pero si hubiesen sido mostradas como en el markdown de las notebooks, no tendría problema. M{as pensando que es para un primer acercamiento entre código y teoría
Obed Alonso García Ochoa
@obedalonsogarcaochoa·
Muy buen curso, excelente para reforzar los conocimiento en estadística y matemátca
nayibe yesenia arias cortez
@naariascor·
Fue excelente complemento a las clases de la universidad.
Mayra Alejandra Larios Benavides
@malariosbe·
Muy bueno el curso, sin embargo sería muy bueno que tenga una dinámica diferente en cuanto a la demostración y aplicación de los temas durante las clases.
José Esteves
@estevesjose·
Uff, bastante pesado, creo que este curso lo podrian dividir en 2 para dar muchos mas ejemplos y ejercicios a cada tema, por lo menos para los que no tenemos una fuerte base de matematicas y estadisticas. El profesor excelente, tiene el dominio del tema, solo que se deberia dividir en 2 cursos para hacer mas digerible todo el conocimiento.
Angel Rodriguez
@angel-rodriguez276·
El curso es muy exigente para poder comprenderlo, requiere de una muy buena base de estadistica, por si solo no es viable que entiendas todos los conceptos alli abordados
Roger Christian Cansaya Olazabal
@roger-cansaya-olazabal·
Fue interesante el uso de Colab aunque me hubiera gustado que todo fuera en Visual Studio Code, instalando e importando funciones. Definitivamente hace falta un ejemplo real desde la adquisición de datos y su conclusiones.
Nelson Neyen Marquez Romero
@nelsonneyenmr·
Simplemente Wow!!! Felicitaciones a todo el equipo de Platzi
Carlos Andres Reyes Peña
@careyes073·
yupppp
Javier Martínez González
@javiermargon·
Excelente curso, el profe es muy bueo realmente en el tema y aborda los conceptos de una manera clara aún cuando no sean temas tan básicos como MLE o Bayes.
J. Pablo Higuita Cano
@jhiguitac330·
El curso fue estupendo, el profesor enseña de una manera comprensible y amigable; el material de estudio está súper construido
Elias Demian Lazo
@DemianLazo·
Recomiendo mucho este curso la manera de explicar del profesor es excelente y muy entendible aparte de los aportes, ayudan mucho a reforzar los conocimientos.
Jason Sepulveda
@jasonssdev·
Muy buen curso, teorico en general, es dificil digerirlo sin conocimientos previos, pero con paciencia y haciendo los ejercicios del final es una buena forma de aprender.
Mateo Chaves Vanegas
@mchavezv·
Supremamente interesante, aunque yo ya tengo estudios basicos de estadistica desde la universidad como muchos de los que veran estos cursos realmente senti que volvi a aprender estos conceptos que tenia olvidados y con el plus de ver como se aplicaban al machine learning, 10/10.
Eliana Ossio
@elianaossio1293·
Este curso estuvo muy bueno. El profesor explica de manera adecuada. Me gustó mucho.
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
JOSE LUIS HURTADO BALCAZAR
@jlhb1984·
La calidad humana y profesional del profe.
Daniel Enrique Merchan Merchan
@daniel-merchan·
La aplicación de los conceptos en python
@Ronald0gt·
Exelent
Daiana Davidson
@davidsondaiana.s·
Más que para la comunidad un comentario para platzi, para personas que no tenemos background académico en probabilidad y afines no sirve el curso o está mal úbicado en el programa. Si alguien está pasando un mal momento como lo pase con este curso, les recomiendo leer un libro o ver videos de youtube. Lo considero una falla por que justamente uno paga por no solo el conocimiento si no el orden de los factores y que se entienda lo que uno está viendo. Creo que para los que de verdad empezamos de 0 en datos no se entiende bien si gastar una hora de investigación a parte por cada video.
@crafpinedoj·
Comprender la fundamentamentación probabilística para desarrollar el pensamiento predictivo y aprender a controlar de manera coherente la incertidumbre.
Mario Rodriguez Felix
@mariorodriguezfelix·
Los temas están bien explicados, aunque se requiere bastante conocimiento previo o complementar mucho las clases con recursos externos, para nada es un curso donde se puedan aprender los temas desde cero. Pero si se tiene un conocimiento previo, las explicaciones resultan muy útiles.
Josué Barrios Rodriguez
@joshua_1983·
Es un curso matematicamente denso, estaria bien dividirlo en dos porque el examen al final es bastante largo para el tiempo limite
Javier Ladino
@javierladino22·
El curso más complejo de toda esta ruta.
Jeison David Diaz Espitia
@jddiaze·
Excelente curso, muy completo e interactivo.
Diaz Hurtado Nelson Andres
@andresdiaz1996·
Excelente
Anyilo José Rangel Arias
@anyilojr·
Profesor explica muy bien, se me complicaron unos temas, pero poco a poco se logra entender, con mucha practica
Diego Horacio Hermida
@diegohermida·
Muy bueno el curso. Te abre la cabeza y te invita a pensar de forma diferente. Seguramente lo repase a pesar de haberlo aprobado, el profesor Francisco super claro
Marco Alonso Jorge Wong
@marcojorge99447·
Excelente contenido y excelente profesor. Es de los cursos más retadores hasta ahora sin dudas, pero vale la pena un poquito de frustración para luego alegrarse de haberlo conseguido.
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Data Analyst
55 horas
13 Profes
Analiza datos estructurados para identificar patrones y tendencias. Crea reportes y visualizaciones estratégicas.
Ruta
Matemáticas para Machine Learning con Python
31 horas
7 Profes
Comprende cómo usar el poder de las matemáticas para crear y optimizar modelos de machine learning.
Ruta
Análisis de Datos con Python
32 horas
5 Profes
Da el siguiente paso como analista de datos utilizando Python. Analiza cantidades más grandes de datos, profundiza y agiliza tu proceso de análisis.
Ruta
Data e Inteligencia Artificial
74 horas
20 Profes
Domina data science para sacar valor a los datos e incrementar su potencial con machine learning para integrar inteligencia artificial a productos de software.
Ruta
Fundamentos de Data Science y AI
56 horas
13 Profes
Adquiere las bases matemáticas, de programación y de ingeniería de software necesarias para iniciar en el mundo de la ciencia de datos y la inteligencia artificial.
Ruta
Data Scientist
130 horas
30 Profes
¡Conviértete en Data Scientist! Domina el análisis de negocios, redes neuronales y más con cursos prácticos en Python, ML y Bases de Datos.
Ruta
Machine Learning Engineer
161 horas
36 Profes
Integra inteligencia artificial en el software de un producto y mejora su desempeño con sistemas de machine learning.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender