Opiniones del  Curso de Regresión Lineal con Python y scikit-learn

Opiniones del Curso de Regresión Lineal con Python y scikit-learn

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.

  • Irving Hernándezhttps://static.platzi.com/media/flags/MX.png

    Irving Hernández

    @irving.hernandez.ag·

    Excelente curso introductorio. Te deja con sólidas bases

  • Alfonso Cervantes Maldonadohttps://static.platzi.com/media/flags/MX.png

    Alfonso Cervantes Maldonado

    @alfonsocm·

    Muy buen curso, práctico y concreto

  • Oscar David Bocanegra Capearahttps://static.platzi.com/media/flags/CO.png

    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 Sanchezhttps://static.platzi.com/media/flags/CO.png

    Jose Fabricio Rodriguez Sanchez

    @jf-02·

    Que bueno sería ver un curso mas avanzado, esta información es muy importante

  • Javier Martínez Gonzálezhttps://static.platzi.com/media/flags/MX.png

    Javier Martínez González

    @javiermargon·

    Muy buen curso introductorio a ML!!!!

  • Roberto Sobrado Taymanihttps://static.platzi.com/media/flags/MX.png

    Roberto Sobrado Taymani

    @roberto.sobrado.taymani·

    Excelentes explicaciones del profesor.

  • Ludwing Jeffry Fransua González Quinteroshttps://static.platzi.com/media/flags/GT.png

    Ludwing Jeffry Fransua González Quinteros

    @ludwingjeffry·

    La manera eficiente de enseñar la complejidad de la Regresión Lineal

  • Andrés Felipe Ruiz Medinahttps://static.platzi.com/media/flags/CO.png

    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

  • https://static.platzi.com/media/flags/CO.png

    @crafpinedoj·

    Comprender la utilidad de la regresión lineal.

  • Miguel Andres Castro Bocarejohttps://static.platzi.com/media/flags/CO.png

    Miguel Andres Castro Bocarejo

    @macb93·

    Me pareció una clase muy buena, fácil de entender a través del proyecto que se hizo en clase.

  • Daniel Cardona Velasquezhttps://static.platzi.com/media/flags/CO.png

    Daniel Cardona Velasquez

    @dacardonave·

    Excelente curso introductorio a las técnicas de regresión con Python

  • César Alejandro Ortiz Sánchezhttps://static.platzi.com/media/flags/US.png

    César Alejandro Ortiz Sánchez

    @c0o01y3·

    Excelente

  • Ricardo Gomezhttps://static.platzi.com/media/flags/CO.png

    Ricardo Gomez

    @ricagomeg·

    Excelente

  • Andres Felipe Castañedahttps://static.platzi.com/media/flags/CO.png

    Andres Felipe Castañeda

    @Johacas001·

    Buen curso, facil de entender

  • Juan Fonsecahttps://static.platzi.com/media/flags/CO.png

    Juan Fonseca

    @Scorpionsjc·

    excelente

  • RENÉ CARDOSOhttps://static.platzi.com/media/flags/MX.png

    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.

  • Andres Monteshttps://static.platzi.com/media/flags/CO.png

    Andres Montes

    @Andres.Montes·

    entender mas a fondo la libreria de sklearn comprendiendo que hace cada cosa que se vio

  • Ing. Oscar Javier Quintero Salazarhttps://static.platzi.com/media/flags/CO.png

    Ing. Oscar Javier Quintero Salazar

    @Osquing·

    Muy buen curso para aprender regresion lineal.

  • Sandra Vega Contrerashttps://static.platzi.com/media/flags/CO.png

    Sandra Vega Contreras

    @sandravega825·

    Excelente el contenido, y la metodología del curso es una experiencia motivante para seguir indagando en los temas.

  • Antonio Demarco Boninohttps://static.platzi.com/media/flags/UY.png

    Antonio Demarco Bonino

    @ademarcoboninogmail.com·

    Es un gran paso en mi carrera de data science! A seguir creciendo en el mundo de los datos.

  • Adrian Limahttps://static.platzi.com/media/flags/ecuador.png

    Adrian Lima

    @adrianlima3·

    Excelente el profesor, muy didáctico

  • David Salazar Saldarriagahttps://static.platzi.com/media/flags/CO.png

    David Salazar Saldarriaga

    @dsalazarsa·

    muy bueno

  • https://static.platzi.com/media/flags/CO.png

    @ljmartinezm·

    Lo mejor del curso es entender el funcionamiento de una regresión para de esta forma, entender los resultados y saber cómo mejorarlos

  • Elío Diezhttps://static.platzi.com/media/flags/ES.png

    Elío Diez

    @eliodiez·

    Muchísima claridad en las explicaciones y mucho orden en los notebooks. ¡Buenísimo!

  • Francisco Matta Perdomohttps://static.platzi.com/media/flags/CO.png

    Francisco Matta Perdomo

    @fmattaperdomo·

    Que gran curso. muy bien explicado. un gran maestro. recomendado.

  • Javier Agudelohttps://static.platzi.com/media/flags/CO.png

    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

  • Luis Fernandohttps://static.platzi.com/media/flags/BO.png

    Luis Fernando

    @luistuamigo2014·

    la modelos y métodos predictivos

  • ricardo andres naranjo loaizahttps://static.platzi.com/media/flags/CO.png

    ricardo andres naranjo loaiza

    @chitara44·

    el modelo de enseñanza involucrando ejemplos hace mas efectivo el proceso de enseñanza

  • Juan Felipe Rodriguez Valenciahttps://static.platzi.com/media/flags/CO.png

    Juan Felipe Rodriguez Valencia

    @Jrovez·

    excelente contenido del curso; motiva a seguir la carrera de inteligencia artificial

  • Armando.surco1234https://static.platzi.com/media/flags/BO.png

    Armando.surco1234

    @armando.surco1234·

    entender de mejor manera la regresión lineal y múltiple.