Nivel Básico
18 clases
2 horas de contenido
8 horas de práctica
Implementa la regresión logística con Python y scikit-learn. Aprende a clasificar datos complejos con algoritmos supervisados y a evaluar el rendimiento de modelos. Ideal para mejorar habilidades en análisis de datos y machine learning.
Clases del curso
Regresión logística binomial
Regresión logística multinomial
Conclusiones
Profes del curso
Conoce quién enseña el curso
Proyecto del curso
Clasificadores de datos con regresión logística
Aplica regresión logística para crear 3 clasificadores de datos: un clasificador binomial para identificar si un cliente dejará de comprar, un clasificador multinomial para detectar la especie de frijoles, y un proyecto final de clasificador binomial para detección de cáncer.
software y recursos necesarios
- Jupyter Notebook, Google Colab, Deepnote, etc.
Opiniones del curso
4.8 · 165 opiniones
Daniel de Jesús Martínez Vega
@daniel.j4mv722·
Un curso muy necesario para la ruta de machine learning, a pesar de que ya había terminado la ruta, aprendí cosas nuevas no solo del tema como tal, sino también nuevas estrategias para mejorar mis modelos
FELIX DAVID CORDOVA GARCIA
@felix.david.cordova.garcia·
Curso fantástica,100% recomendado así uno ya sepa ML, de todas formas se pueden aprender algo nuevo
Wilmer Fernando Sanabria
@wilmersanabria·
Muy bune docente, muy buena explicacion, eso si cometio un gran error al escalar todos los datos sin antes seperarlos LEAKING DATA
Carlos Ronaldo Méndez García
@gycarmendez·
muy bien todo
Guillermo Palacio
@gapalacic·
.
@lube_23022786·
Es un curso muy completo sobre Regresión Logística
Lorena Galván
@Lorenaiq·
Un curso super practico y con buena teoria para entender a fondo que es la regresion logistica. Explica todo el preprocesamiento d elos datos para este tipo de regresion lo cual es clave para tener buenos resultados.
Oscar Alfonzo Medrano Yilalys
@oscaralfonzomedranoyilalys·
Excelente curso. Cubre desde los fundamentos del algoritmo y la preparación de datos, hasta la implementación práctica en Python con scikit-learn para clasificación binaria y multiclase. Además, aborda temas avanzados como la regularización (L1 y L2) para evitar el overfitting y la selección de estrategias para problemas multiclase (One vs Rest). También se explican los métodos para la evaluación del modelo, como el uso de predict_proba y la interpretación del MLE (Maximum Likelihood Estimation).
Diego Díaz Mendaña
@diegomendana·
Sin duda el mejor docente de todos los que he tenido en Platzi junto con Diego De Granda. Una pasada lo bien que explica y como te hace estar enganchado al curso. Después de ver este curso cambiaría muchas valoraciones a otros profesores. Además es de los que te muestra un poco de donde salen las cosas matemáticamente por si quieres mirarlo.
Jorge Armando Villalba Vidales
@joavillalbavi·
El curso es muy claro y la información pertinente.
Alejo Cuello
@alejo-cuello·
Muy interesantes los datasets utilizados
Rogelio Valadez
@rogeliozedalav004·
Excelente profesor , explica todom} muy "desmenuzado" , muy bien
Nicolas Urrego
@nicurrego·
Excelente!
Patricio Sánchez Fernández
@patricio.sanchez.fernandez·
Muy buen curso.
Paola Alapizco
@pahoalapizco·
Gran curso, la explicación y práctica de cada tema son claras, concisas, y directas; lo mejor del curso creo, fue la introducción de temas que en cursos previos se omiten, como el balanceo de datos, evaluación de varios modelos combinando distintos parámetros. Este curso es una Joya <3
Lourdes Nuñez Burgos
@lourdesnunez·
Excelente curso!
Miguel Andres Castro Bocarejo
@macb93·
Excelente clase de Carlos! me pareció muy fácil de entender con los ejemplos entregados.
JOSE LUIS HURTADO BALCAZAR
@jlhb1984·
La calidad humana y profesional del profe.
Mauricio Davila Rafesca
@davil_r·
Excelente curso.
Yael Ramírez
@yaelrmz·
No cabe duda porqué el profesor es el Architect de data en Platzi
Nathalia Ximena Peñaranda Santos
@nathxps188·
Maravilloso!!!
Mariano Gonzalez
@mgonzalez204·
Excelente curso.
David Salazar Saldarriaga
@dsalazarsa·
Excelente
Jordi Reig Carruana
@Jordilot·
Muy bueno!
@kuen573jn·
Que nos muestren la apllicacion del modelo, y nos den el material (codigo) es de mucha ayuda para entender bien y rapido
Pablo Campiño
@pcampo21·
En primer lugar la metodología con el progreso parcial de los temas y después esto aplicado a un proyecto. Segundo, el aporte de los participantes, medio por el cual obtuve actualizaciones y otras experiencias.
@rene.fuquene·
Excelente curso de regresión lineal usando python con scikit-learn, gracias.
Sebastian Lopez Acero
@sebastian_lopez·
Excelente profesor, y muy buen curso, me hubiera gustado más ejemplos de la vida real, es decir en un entrono de trabajo, se usan los datos, se hace el proceso... y que sigue despues?
sebastian godoy ureta
@Loco45·
Estuvo bien la clase. Mas allá que eso, soy yo que debo mejorar
@jav67·
.
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
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