
Jesus Andres Camargo Payanene
@jesusandrescamargo0considero que falto más ejemplos en practicos en una base de datos
360
Opiniones
básico
Comprende la estadística inferencial para Data Science e IA: aprende a estimar parámetros, interpretar intervalos de confianza y validar hipótesis con Python. Domina técnicas de muestreo y validación cruzada para análisis precisos.
Sílvia Ariza Sentís
Founder & CEO en Eina Data
considero que falto más ejemplos en practicos en una base de datos
Muy buen curso para introducirnos a la Estadística Inferencial, lo mejor de todo es que las explicaciones de los conceptos son claras, debes dominar las librerias antes de tomar este curso, pero fuera de eso todo es bastante comprensible
Me gusta la forma de enseñar de la instructora y los temas ue abarcó
Lo mejor que aprendí fueron las técnicas de Bootstrapping y Cross-Validation
muy util
Cursos de solo un tema cortos pero más profundos
Excelente curso y muy practico. Seria muy útil una profundización de este curso en algunos temas. Pero en términos generales muy muy bueno.
Muy bueno el contenido del curso, sin embargo, se podría mejorar al detallar mejor las preguntas del examen.
Me gustó mucho y es una buena introducción a los conceptos, sería genial que un proyecto guíe El Paso a paso de todos los conceptos revisados para entender con mayor claridad la forma de aplicar cada concepto
me gustó la explicación en Python porque así es más fácil de aplicarlo en nuestras labores,
Me hubiera gustado que hicieran enfasis en datasets desbalanceados y como solucionar ese problema
Buen curso, aunque se me hizo corto y me da la impresión que se vieron algunos temas de forma superficial
El curso me gusto , hay cosas no entendí del todo como los tipos error y por que las hipótesis siempre van en negativo y finalmente, felicito al equipo de producción, se ve que se han esforzado por mejorar la calidad audiovisual de sus videos.
Excelente contenido, se deberían dar mas ejemplos de las diferentes aplicaciones de la estadística inferencial, una excelente profesora
Mejorar la explicación y los ejemplos de las pruebas de hipitosis y en los codigos escribir comentarios para saber mejor lo que se hace
Lo mejor ha sido el desarrollo en Python y las librerías que usa para los ejemplos.
Un poco desordenado y superficial la parte de las pruebas estadisticas pero la comunidad lo suple
Interesante curso para aprender de estadística inferencial
Muy buenos los ejemplos que se implementaron con python
Buen curso!
Fue un curso muy bueno. Hubo unos temas que se explicaron sin tanta profundización y muy rápido, lo cual hace un poquito más demorado el entendimiento, pero es un buen curso, muy útil. Gracias profe, team Platzi y comunidad 💚
Este curso sirve como una introcucción a la inferencia estadística, el único inconveniente es que en algunas partes (poe rejemplo en la introducción a pruebas de hipótesis) la docente habla en abstracto y no da ejemplos que ayuden a comprender mejor el tema
Se tratan casos comunes del uso de herramientas estadísticas y su aplicación en Python
bastante complejo como estadistica descriptiva y probabilidad pero creo que al estar de la mano es buena forma de ir juntando todo en este proceso, gran clase y gran profesora, solo si recomiendo que se actualicen algunos datos ya que muchos alumnos comentaron que faltan datos que no están bien explicados.
El contenido le doy 4 estrelas porque al final del curso no se enfatiza en los multiples casos que se puede tener al implementar un modelo como el random forest (Overfitting, Underfitting, sesgo, desbalanceo...) lo cual es necesario para el desarrollo en el entorno laboral
:)
Buen curso! Solo que hace falta complementarlo con un poco de teoria 📚 .
Buen curso, faltan más ejercicios practicos para reforzar los temas
El curso en general me gusto, sin embargo considero que falto explicar con un poco más de detalle el apartado de pruebas de hipótesis, ya que algunas partes del procedimiento no quedan del todo claras, pero felicito a la profe por su dedicación!
Me parece bueno hacer un refuerzo respecto a la interpretación de las pruebas de hipótesis.