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

  • Wilmer Fernando Sanabriahttps://static.platzi.com/media/flags/US.png

    Wilmer Fernando Sanabria

    @wilmersanabria·

    Totalmente, explica muy claro el codigo usado, sin asumir nada.

  • Guillermo Palaciohttps://static.platzi.com/media/flags/CO.png

    Guillermo Palacio

    @gapalacic·

    .

  • Jorge Armando Villalba Vidaleshttps://static.platzi.com/media/flags/CO.png

    Jorge Armando Villalba Vidales

    @joavillalbavi·

    muy buen curso, los ejercicios que plantea son muy prácticos a la hora de entender la temática.

  • Adán Gabriel Menacho Menachohttps://static.platzi.com/media/flags/PA.png

    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 Juehttps://static.platzi.com/media/flags/AR.png

    Mercedes Jue

    @juemercedes·

    Excelente, super claro y bien explicado!

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

    Andres Martin

    @acmartinn94·

    muy buen curso

  • Oscar Alfonzo Medrano Yilalyshttps://static.platzi.com/media/flags/VE.png

    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.

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

    @andrea.gutierrez·

    ok

  • IVAN RUBEN DIAZ RAMIREZhttps://static.platzi.com/media/flags/MX.png

    IVAN RUBEN DIAZ RAMIREZ

    @ivaxrubex·

    Muy buen curso, solo me hubiera gustado que el profesor hubiera sido mas riguroso en las matemáticas.

  • 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

  • Alan Castellanos Sulcahttps://static.platzi.com/media/flags/PE.png

    Alan Castellanos Sulca

    @alandanielcastellanossulca·

    l

  • 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

  • Patricio Sánchez Fernándezhttps://static.platzi.com/media/flags/US.png

    Patricio Sánchez Fernández

    @patricio.sanchez.fernandez·

    Muy buen curso.

  • 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.

  • Alejandro Mesa Bustamantehttps://static.platzi.com/media/flags/CO.png

    Alejandro Mesa Bustamante

    @mesabusta.alejandro·

    Excelente curso!

  • Gustavo Pastor de la Cruzhttps://static.platzi.com/media/flags/PE.png

    Gustavo Pastor de la Cruz

    @gustavopastordelacruz·

    Excelente curso

  • Angel Estradahttps://static.platzi.com/media/flags/MX.png

    Angel Estrada

    @angest1000·

    Super bien explicado y facil de entender

  • 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

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

    Daniel Cardona Velasquez

    @dacardonave·

    Excelente curso introductorio a las técnicas de regresión con Python

  • Carlos Enrique Rodríguez Bernalhttps://static.platzi.com/media/flags/PE.png

    Carlos Enrique Rodríguez Bernal

    @cenrique91·

    Excelente!

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

    César Alejandro Ortiz Sánchez

    @c0o01y3·

    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

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

    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.

  • 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.

  • 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.