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

buen curso introductorio

Gran curso

Muy buen curso, muy completo respecto al tema y da guía para seguir estudiando métodos mas avanzados. De los mejores profesores de PLATZI.

muy claro

Muy bien explicado

Buen Curso. Muy conceptual y aplicado

Excelente curso. Recomendado

Falta un poco más del “Por que”. El “Como” esta explicado bastante bien para poder empezar.

Muy buen curso, muy bien explicado el contenido, me gustaría que adicionaran mas ejercicios prácticos resueltos pero en general muy buen curso

Buena introducion a este metodo del ml.

La metodología y didáctica de este curso fue óptima para poder entender cómo realizar una regresión lineal. Ya todo me queda muchísimo más claro. ¡Excelente profe!

te exlica de forma practica como hacer una regreccion lineal

Muy interesante el curso, los principios básicos muy bien explicados. Me hubiera gustado un poco mas de profundidad en el concepto

Bien explicado y en detalle

Excelente curso! Aprendí y comprendí el funcionamiento y la plicación de los modelos lineales con Scikit Learn en Python!. Me emocioné cada vez que vería los resultados. Super recomendable.

.

Muy buena la explicación.

Me gustó el curso, fue muy claro, sin embargo, podría haber profundizado más

Buen curso para realizar nuestra primera regresión lineal e irnos familiarizando con el poder que tiene scikit-learn. El contenido y las explicaciones del profesor son buenas aunque pueden mejorar.

Excelente curso, muy bien explicado

Su utilidad

Muy bueno para aprender lo basico de la regresion lineal

Muy básico pero bien explicado, es un buen curso introductorio

pudo enfocarse o dar prioridad a algunos conceptos basicos

Es extraordinaria la forma de aprender atraves de la práctica, eso es este curso.

El contenido esta desactualizado, tuve bastantes problemas en correr algunos códigos que explico el profesor.

Hace falta mejorar algunas referencias del curso, pero en si las explicaciones son entendibles.

gracias, me resulto muy útil

Se podrían complementar algunas cosas. La regresión lineal es un modelo paramétrico y estadísticamente existen algunas técnicas para seleccionar el mejor de los modelos, como Box Cox. Eliminar el intercepto en algunos casos puede no ser correcto.

Excelente curso con puntos importantes como los EDA antes de modelar o considerar los supuestos. Hubiese estado excelente comprobar los supuestos y como salvar el problema en caso de que no se cumpla algo como la normalidad de los datos. Que haríamos si un feature no lo es? hacemos transformaciones no lineales y luego estandarizamos o buscamos otro modelo. O como ver la homocedasticidad del modelo, se cumple este supuesto. Como descartar multicolinealidad y como identificarla (matriz de correlación)