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.
conocimientos previos
- Regresión lineal con Python y scikit-learn.
- Matemáticas para machine learning.
- Fundamentos de machine learning con Python.
software y recursos necesarios
- Jupyter Notebook, Google Colab, Deepnote, etc.
Opiniones del curso
4.8 · 157 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
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).
Ronald Andrey Beltran Parada
@andrey.beltran28·
Excelente, el mejor curso
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.
Jason Sepulveda
@jasonssdev·
Buen curso, directo al grano y que entrega fundamentos elementales
Oscar David Bocanegra Capeara
@David_Bocanegra·
gran curso para entender como funciona la regresion logistcia y como aplicarla
Jorge Armando Villalba Vidales
@joavillalbavi·
El curso es muy claro y la información pertinente.
Alejo Cuello
@alejo-cuello·
Muy interesantes los datasets utilizados
Antonio Ramón Molina Simancas
@amolinasimancas·
Muy bueno, ejemplos directo al grano y la claridad del profesor al explicar es clave para un mejor aprendizaje.
David Felipe Zabala Castañeda
@dzabala03·
Uno de los mejores cursos que he tomado, por el contenido, la practicidad con la que explica el profesor y la facilidad para mostrar conceptos difíciles y hacerlos ver fáciles.
Patricio Sánchez Fernández
@patricio.sanchez.fernandez·
Muy buen curso.
Roberto Sobrado Taymani
@roberto.sobrado.taymani·
Las buenas explicaciones del maestro.
Mateo Chaves Vanegas
@mchavezv·
Muy buen curso, el profesor explica muy bien y no deja de lado la aprte matematica que es muy reelvante en este tipo de modelos
Gonzalo Ceron Denetro
@gonzocd·
Es un gran curso, con muy buenas explicaciones. Muy claro todo
@lufrocea·
Excelente
Israel Guevara
@israelguevara·
En este curso pude aprender los conceptos básicos de la regresión logística. Los cuales fueron explicados de forma clara por parte del profesor.
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
Luis Alberto Jaramillo Sevilla
@luis.jaramillo.sevilla560·
Todo fue excelente, gracias por todo
Luis Leandro Leones
@leandroleones·
Excelente curso. Bastante práctica lo que es ideal para practicar y aprender ⭐!
JOSE LUIS HURTADO BALCAZAR
@jlhb1984·
La calidad humana y profesional del profe.
Isaac Ramirez
@ulisac0426242·
bien
Mauricio Davila Rafesca
@davil_r·
Excelente curso.
Mauricio Escobar
@mauricios_01·
Buen curso, con excelentes metodologías para explicar un concepto y luego aplicarlo aun ejemplo. Un punto a mejorar es en profundizar más en la aplicación de datos desbalanceados, se ha visto muy poco, quizás más ejemplos de este tema habrían sido ayuda. Ya que tenemos el modelo entrenado, hizo falta probarlo con datos nuevos (y guardar el modelo). Que si bien lo hice por mi cuenta, habría sido de ayuda hacerlo en clase. Propongo un curso 2.0 que profundice más sobre los temas vistos. Un proyecto de principio a fin donde resolvamos problemas complejos. En lo personal haré esto por mi cuenta, pero no está demás tener la guía del profesor. Gracias. Les regalo un helado 🍦
Mariano Gonzalez
@mgonzalez204·
Excelente curso.
David Salazar Saldarriaga
@dsalazarsa·
Excelente
Jennifer Paola Blanco
@jblanco5380·
Excelente curso, me gusto muchisimo y excelente profesor.
Martin Javier Gamboa Guzman
@martingg04·
Muy buen profesor, todo muy claro
@kuen573jn·
Que nos muestren la apllicacion del modelo, y nos den el material (codigo) es de mucha ayuda para entender bien y rapido
Isaac Bryan Ascanoa Roncall
@Bryan0101·
Me encanto conocer las diferencias de los metodos a emplear y como estos me puede beneficiar como desarrollador de machine learning. Es lo mejor que pude pasar como programador.
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Data Scientist con Python
94 horas
17 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.
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.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender