Opiniones del Curso de Matemáticas para Data Science: Estadística Descriptiva

Excelente curso, todo acerca de estadística descriptiva esta muy bien explicado, lo recomiendo ampliamente.

Excelente curso... estadística descriptiva esencial para tomar desiciones en múltiples variables .. y dan un inicio a la ciencias a de datos

Comprender como se aplican los conceptos de Estadística Descriptiva en el análisis de datos. El profesor maneja los temas con claridad y los da a entender con facilidad.

Muy buen profesor que explica las cosas de manera pausada y tranquila, ademas que el curso te da las herramientas necesarias para conocer todo este tema

Considero que el tono de voz cuenta mucho para temas complicados, el maestro logra el apropiado para transmitir los términos y definiciones sin hacer sentir pesado el contenido.

Formulas y variables muy útiles para sacar valiosa información de nuestro set de datos.

Un curso realmente increíble. Uno da por sentado que sabe las cosas pero con este curso te das cuenta realmente no era así

Excelete porque es aplicado

Muy buen curso para todo aquel que quiera mejorar sus conocimientos en estadistica.

aprender a organizar los datos para poder perfeccionar el entrenamiento de un modelo para machine learning, y saber que una distribución de datos esta sesgada o no.

Gracias al profesor, por el curso y a los compañeros, por sus aportaciones. Dedico este diploma a la memoria de mi madre, muerta a causa del virus COVID-19, el 19 de enero de 2021, a los 79 años de edad.

Es uno de los mejores cursos que he tomado hasta ahora. El profesor explica de forma muy clara todos los conceptos y los aportes de los estudiantes te complementan muy los diferentes temas.

Muy buen contenido, los ejercicios claros y precisos para aplicarlo en los datos.

Se nota cuando un profesor domina el tema que esta explicando. El es capaz de simplificar de manera muy ludica y dinamica fundamentos que son bastante teoricos y abstractos. Muy recomendada la clase para entender la aplicacion de diferentes herramientas matematicas en el estudio de datos

Excelente curso para repasar conceptos de estadística y entender cómo se aplican esos conceptos en el análisis de datos.

me parecio muy interesante toda la parte matematica que se puede usar en python para realizar modelos de prediccion en la ciencia de datos.

Fue bueno repasar estos temas. ddddddddddddddddddddddddddddddddddddddddddd

Es un poco pesado si no tienes idea del tema, pero el profesor te da una buena explicacion del mismo y ademas su ritmo es bueno para explicar el tema.

Buen curso! El profesor explica la clase de manera clara y con ejemplos lo mas simples posibles

me gusto mucho el curso vamos por el siguiente y ahora aprender mucho mas pero creo que se debe tomar antes el curso de pandas que lo senti mucho mejor

Realmente uno de mis profesores preferidos de Platzi, espero con ansias un curso de estadistica inferencial.

Excelente curso

Muy util para entrar en la ciencia de datos. Enfatizando la importancia de la estadística en el uso de herramientas de programacion para darle valor a los analisis

Espectacular, de los mejores cursos de platzi. Muy recomendable. Muy buen profesor.

Aprecio la minuciosidad con la que explica el profesor cada uno de los conceptos, ha sido de ayuda para comprender cosas que son un poco complejas cuando estás empezando. Recomiendo leer los dos libros que el profesor recomendó la primera clase. El curso me ha ayudado a mejorar una investigación que estoy realizando, contrastando las métricas de mi dataset y contrastando los resultados.

La explicación matemática y su implementación con un lenguaje de programación.

Entender la estadística descriptiva como herramientas que sirven para resumir los datos y generar modelos más eficientes

Fue un excelente curso, gracias al equipo de clase por darlo en su plataforma. Saludos desde Costa Rica

Se entiende todo de forma muy fácil, y de manera didactica que ayuda a entender mejor la tematica

Este curso tiene muchos conceptos útiles, funciones para pandas, scikitlearn y seaborn, que son muy utilizados para el análisis exploratorio de datos, entrenamiento del modelo y su validación.