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.
Clases del curso
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.
conocimientos previos
- Estadística descriptiva e inferencial para data science.
- Cálculo para inteligencia artificial.
- Álgebra lineal para inteligencia artificial.
- Manipulación y análisis de datos con Pandas, NumPy, Matplotlib y Seaborn.
software y recursos necesarios
- Python 3
- Jupyter Notebook, Google Colab, Deepnote, etc.
Opiniones del curso
4.7 · 354 opiniones
Irving Hernández
@irving.hernandez.ag·
Excelente curso introductorio. Te deja con sólidas bases
Alfonso Cervantes Maldonado
@alfonsocm·
Muy buen curso, práctico y concreto
Wilmer Fernando Sanabria
@wilmersanabria·
Totalmente, explica muy claro el codigo usado, sin asumir nada.
Platzi Tsunami
@aguilaruriel368·
Excelente curso, lo recomiendo bastante
Luis Pinzon
@luis.pinzon·
Muchas gracias, el curso se entiende a la perfeccion, sin embargo, para estudiar de vuelta, seria chevre tener el resumen escrito de las clases.
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.
IVAN RUBEN DIAZ RAMIREZ
@ivaxrubex·
Muy buen curso, solo me hubiera gustado que el profesor hubiera sido mas riguroso en las matemáticas.
Alan Castellanos Sulca
@alandanielcastellanossulca·
l
Antonio Ramón Molina Simancas
@amolinasimancas·
Buen curso, es básico pero va al grano!
Orlando Ramirez
@orlandoramirez·
Se podría actualizar este curso, pero realmente ha sido muy bueno
Roberto Sobrado Taymani
@roberto.sobrado.taymani·
Excelentes explicaciones del profesor.
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
Ludwing Jeffry Fransua González Quinteros
@ludwingjeffry·
La manera eficiente de enseñar la complejidad de la Regresión Lineal
Andrés Felipe Ruiz Medina
@andresfruizmedina·
Excelente curso, al inicio un poco enredado si no se conoce del tema pero poco a pco el profesor va explicando muy bien
Jose Rodriguez
@Joseroje·
Me gusto el curso, directamente a la practica, deberian actualizar o al menos colocar en los recursos o comentarios cuando halla librerias que estan desactualizadas, fue lo mas complicado
Capital Humano
@Capitalhumano1·
bueno
Francisco Borrero
@franciscob0809·
Está perfectamente explicado qué es una regresión lineal, qué herramientas estadísticas hay en su uso, cómo crearlo usando Python y cómo evaluarlo usando residuales. Todo ello hace que sea fácilmente aplicable.
Antonio Demarco Bonino
@ademarcoboninogmail.com·
Es un gran paso en mi carrera de data science! A seguir creciendo en el mundo de los datos.
Yael Ramírez
@yaelrmz·
Me agrada la manera en que se organizó el curso además de que el profesor es muy bueno explicando
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
David Salazar Saldarriaga
@dsalazarsa·
muy bueno
@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.
Javier Agudelo
@Javierxd1·
Un muy buen curso. Sin embargo en el exámen existen algunas preguntas algo ambiguas. Sería interesante profundizar un poco más en los aspectos matemáticos
Alex Giraldo
@alex.giraldo9808·
Muy fácil de entender los temas.
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
127 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
158 horas
36 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
27 horas
8 Profes
Aplica machine learning en tus análisis de datos y genera predicciones para tomar decisiones hacia el futuro.
Ruta
Data Scientist con Python
90 horas
16 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