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 · 160 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).
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
Rogelio Valadez
@rogeliozedalav004·
Excelente profesor , explica todom} muy "desmenuzado" , muy bien
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.
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.
Isaac Ramirez
@ulisac0426242·
bien
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!!!
Daniel da Silva Jarque
@ddasilvajarque·
Gracias al profesor, por el curso y a los compañeros, por sus aportaciones.
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.
Martin Javier Gamboa Guzman
@martingg04·
Muy buen profesor, todo muy claro
ANDRES FELIPE ORTIZ ZAPATA
@ing.felipeortiz.z·
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.
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.
Federico Arias
@f_ariassuarez·
Espectacular!!!
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?
José Salas Bolívar
@josesalasbolivar98·
Excelente
David Alejandro Garzon Angarita
@dgarcode·
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
Fabricio Dupraz
@Fabricio12345·
Muyy buen curso! Me encantó la modalidad de trabajo y el profesor tiene mucha facilidad para explicar.
Rosario Puertas Rios
@rosario.puertas·
Profesor excelente
Diego Armando Alvarez Duque
@dimika871988·
excelente
Yonatan Lopera Baena
@think4270.ylb·
Excelente el profe
Ivan Stiven Castrillon Duque
@stcastrillon8·
Claridad entre los diferentes tipos de regresión
William Camilo Correa Sandoval
@williamccs·
Excelente curso. Cursos como esté me motivan cada vez más.
Claudio Fernando Abarca Barrera
@claudioab·
Se trabaja con balanceo de clases, algo que no es común en los ejemplos de algoritmos de clasificación. Todos los contenidos son explicados claramente por el docente.
Daniel Felipe Niño Sanabria
@Danielnio·
Muy buen curso, buenos ejemplos.
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
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.
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