Nivel Intermedio
21 clases
2 horas de contenido
10 horas de práctica
Construye modelos de regresión lineal con Python y scikit-learn. Analiza datos, entrena y evalúa modelos, y mejora tus predicciones eliminando variables innecesarias. Aprende a usar métricas y técnicas avanzadas para optimizar resultados.
Cómo funciona la regresión lineal
Regresión lineal multivariable
Proyecto práctico
Pasos siguientes
Profes del curso
Conoce quién enseña el curso
Luis Fernando Laris
Senior Data Scientist en Baubap
Experto en la industria tech con múltiples años de experiencia en bancos y empresas importantes de México.
Sus pasatiempos son jugar videojuegos y pasar tiempo en familia.
Proyecto del curso
Predicción de gastos médicos con regresión lineal
Crea un modelo de inteligencia artificial utilizando Python y scikit-learn para generar predicciones sobre gastos médicos de pacientes. Utiliza más de una variable en tu modelo y mejóralo para obtener resultados más precisos.
software y recursos necesarios
- Python 3
- Jupyter Notebook, Google Colab, Deepnote, etc.
Opiniones del curso
4.7 · 358 opiniones
Irving Hernández
@irving.hernandez.ag·
Excelente curso introductorio. Te deja con sólidas bases
Alfonso Cervantes Maldonado
@alfonsocm·
Muy buen curso, práctico y concreto
Bryan Castano
@Beaunix·
Excelente curso , muy bueno, el profesor explcia bien, se parende tanto la teoria como practica de LinearRegression y los dataset son muy conocidos .
Guillermo Palacio
@gapalacic·
.
Adán Gabriel Menacho Menacho
@amenacho·
Me gusto la forma de explicar del profesor y como en cada lección se le iba dando forma al proyecto.
Mercedes Jue
@juemercedes·
Excelente, super claro y bien explicado!
Andres Martin
@acmartinn94·
muy buen curso
Oscar Alfonzo Medrano Yilalys
@oscaralfonzomedranoyilalys·
Muchas gracias Team Platzi por el contenido tan claro. Los temas de regresión lineal, análisis de datos y métricas de evaluación me han sido de gran ayuda. Ahora tengo una base sólida para entender cómo preparar los datos, construir un modelo de regresión y, lo más importante, cómo utilizar métricas como R2 y MSE para evaluar su rendimiento.
Oscar David Bocanegra Capeara
@David_Bocanegra·
un curso bastante interesante para aprender sobre como funciona la regresion lineal en los modelos supervisados y como se implementa con sklearn
Jose Fabricio Rodriguez Sanchez
@jf-02·
Que bueno sería ver un curso mas avanzado, esta información es muy importante
Javier Martínez González
@javiermargon·
Muy buen curso introductorio a ML!!!!
Mateo Chaves Vanegas
@mchavezv·
Un curso mucho mas enfocado, el profesor era muy claro y directo con sus explicaciones, un curso muy recomendado para iniciar con los modelos de machine learning
Alejandro Mesa Bustamante
@mesabusta.alejandro·
Excelente curso!
Gustavo Pastor de la Cruz
@gustavopastordelacruz·
Excelente curso
Nery Fuentes
@nery.fuentes·
Excelente curso :)
Daniel Cardona Velasquez
@dacardonave·
Excelente curso introductorio a las técnicas de regresión con Python
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
Andres Felipe Castañeda
@Johacas001·
Buen curso, facil de entender
RENÉ CARDOSO
@rcardosob·
Excelente curso. Excelente profesor. Explica de forma muy sencilla. Aunque no profundiza en demasía, me gustó mucho el curso. De uno depende la profundización.
Yael Ramírez
@yaelrmz·
Me agrada la manera en que se organizó el curso además de que el profesor es muy bueno explicando
Adrian Lima
@adrianlima3·
Excelente el profesor, muy didáctico
Daniel da Silva Jarque
@ddasilvajarque·
Gracias a al profesor, por el curso y a los compañeros, por sus aportaciones.
Mauricio Davila Rafesca
@davil_r·
¡Excelente curso!
Enrique Jiménez Téllez
@enriquejimneztllez·
Buen curso
@ljmartinezm·
Lo mejor del curso es entender el funcionamiento de una regresión para de esta forma, entender los resultados y saber cómo mejorarlos
Elío Diez
@eliodiez·
Muchísima claridad en las explicaciones y mucho orden en los notebooks. ¡Buenísimo!
Francisco Matta Perdomo
@fmattaperdomo·
Que gran curso. muy bien explicado. un gran maestro. recomendado.
Cristian Omar Rubio Ceja
@neneOda·
muy bien expliocado, hace falta una actualización de librerias, ya que hay una que esta depreciada en el curso
Luis Fernando
@luistuamigo2014·
la modelos y métodos predictivos
Ricardo Naranjo
@chitara44·
el modelo de enseñanza involucrando ejemplos hace mas efectivo el proceso de enseñanza
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Data e Inteligencia Artificial
69 horas
19 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
Data Scientist
133 horas
31 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
164 horas
37 Profes
Integra inteligencia artificial en el software de un producto y mejora su desempeño con sistemas de machine learning.
Ruta
Machine Learning y Matemáticas con Python
33 horas
9 Profes
Aplica machine learning en tus análisis de datos y genera predicciones para tomar decisiones hacia el futuro.
Ruta
Data Scientist con Python
96 horas
17 Profes
Explora el fascinante mundo del Data Science con Python. Cada curso es un paso crucial hacia el análisis de datos y la creación de modelos de machine learning.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender