
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
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.
4.8 · 152 opiniones

Daniel de Jesús Martínez Vega
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
Curso fantástica,100% recomendado así uno ya sepa ML, de todas formas se pueden aprender algo nuevo

Alejo Cuello
Muy interesantes los datasets utilizados

Rogelio Valadez
Excelente profesor , explica todom} muy "desmenuzado" , muy bien


Antonio Ramón Molina Simancas
Muy bueno, ejemplos directo al grano y la claridad del profesor al explicar es clave para un mejor aprendizaje.


Alexis Aquino Noriega
El curso fue muy bueno, el profesor enseña muy bien y con temas muy actualizados, en si las clases muy entendibles

David Felipe Zabala Castañeda
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.


SANTIAGO DAVILA
El profesor muy clarito


Gonzalo Ceron Denetro
Es un gran curso, con muy buenas explicaciones. Muy claro todo


Andrés Felipe Ruiz Medina
Excelente curso, las explicaciones del profesor fueron muy claras


Miguel Andres Castro Bocarejo
Excelente clase de Carlos! me pareció muy fácil de entender con los ejemplos entregados.


Luis Leandro Leones
Excelente curso. Bastante práctica lo que es ideal para practicar y aprender ⭐!

Isaac Ramirez
bien


Mauricio Davila Rafesca
Excelente curso.


Daniel da Silva Jarque
Gracias al profesor, por el curso y a los compañeros, por sus aportaciones.


Mauricio Escobar
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
Excelente curso.


David Salazar Saldarriaga
Excelente


Jennifer Paola Blanco
Excelente curso, me gusto muchisimo y excelente profesor.


Martin Javier Gamboa Guzman
Muy buen profesor, todo muy claro


Jordi Reig Carruana
Muy bueno!


ANDRES FELIPE ORTIZ ZAPATA
me gusto mucho este curso, fue conciso con los temas expuestos, y a parte de esto, me encanto el hecho de que primero se explico cada uno de los temas a tratar y se realizaron de forma grafica y a parte de esto se realizo un aplicación de todos los temas aprendidos al final del curso.


Daniel Moreno
Excelente curso para tener una perspectiva general sobre la Regresión Logística con Python y scikit-learn.


Pablo Campiño
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.


Excelente curso de regresión lineal usando python con scikit-learn, gracias.

Julian Peña Reyes
Excelente curso, muy didactico y bien explicado.

Aaron Chacon Morales
Bien explicado.

David Alejandro Garzon Angarita
Tiene un balance adecuado entre los conceptos teóricos y la práctica. Además, el profesor explica los puntos principales y las aplicaciones del modelo de una forma clara


Excelente curso

Fabricio Dupraz
Muyy buen curso! Me encantó la modalidad de trabajo y el profesor tiene mucha facilidad para explicar.
Complementa este curso con nuestras rutas de aprendizaje

Inteligencia Artificial y Data Science
Aprende ciencia de datos con cursos de Data Science y explora el potencial sin límites de los datos, el machine learning y la inteligencia artificial.




Análisis y Visualización de Datos
Aprende a extraer, limpiar, analizar y visualizar datos para comunicar insights y apoyar la toma de decisiones estratégicas en los negocios.




Data Engineer
Aprende a construir y gestionar pipelines de datos escalables, utilizando herramientas como Spark, Airflow, y bases de datos SQL y NoSQL en entornos cloud.




Machine Learning y Deep Learning
Profundiza en algoritmia, aprendizaje supervisado, no supervisado, redes neuronales, y el despliegue de modelos de Data Science e Inteligencia Artificial en producción.




Fundamentos de Data Science y AI
Adquiere las bases matemáticas, de programación y de ingeniería de software necesarias para iniciar en el mundo de la ciencia de datos y la inteligencia artificial.
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender