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 David Bocanegra Capeara
@David_Bocanegra·
gran curso para entender como funciona la regresion logistcia y como aplicarla
Nicolas Urrego
@nicurrego·
Excelente!
Roberto Sobrado Taymani
@roberto.sobrado.taymani·
Las buenas explicaciones del maestro.
Miguel Andres Castro Bocarejo
@macb93·
Excelente clase de Carlos! me pareció muy fácil de entender con los ejemplos entregados.
Esteban Navarro Díaz
@estebannavarrodaz·
Genial! Muchos cursos no enseñan a hacer clasificaciones multinomiales. En este caso, es una feliz excepción.
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
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 🍦
Jennifer Paola Blanco
@jblanco5380·
Excelente curso, me gusto muchisimo y excelente profesor.
Martin Javier Gamboa Guzman
@martingg04·
Muy buen profesor, todo muy claro
Jordi Reig Carruana
@Jordilot·
Muy bueno!
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.
Eliseo Baquero
@eliseo.baquero·
Los desafíos a la hora de entender las diferencias con la regresión lineal
Federico Arias
@f_ariassuarez·
Espectacular!!!
Daniel Moreno
@damt·
Excelente curso para tener una perspectiva general sobre la Regresión Logística con Python y scikit-learn.
Sebastian López
@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
José Salas Bolívar
@josesalasbolivar98·
Excelente
Julian Peña Reyes
@julian-pena-reyes·
Excelente curso, muy didactico y bien explicado.
Juan Sebastian Bonilla Sanchez
@juan.bonilla·
El curso es muy completo y requiere de cuidado para entenderlo completamente.
Juan Sebastián Bonilla Sanchez
@jsbonillasanchez·
El curso es muy completo y recomendado!
Gerardo Antonio Lopez Ramirez
@gerardo.lopez·
Excelente contenido, el profesor es de los mejores de platzi.
Joaquin Andrez Sepulveda Araya
@joaquin08·
Buen curso, pero sería ideal que compartan los cuadernos base sin todas las respuestas, además sería ideal que alfinal del curso dejen un ejercisio propuesto, algo del estilo: descargen este data set para aplicar una regresión logística y predecir un resultado en base a "x" datos.
@sandra.posada·
Buen curso, un poco pesado y complejo. Pero bien explicado.
Diego Armando Alvarez Duque
@dimika871988·
excelente
Nagcely Mendoza
@Nagcely·
Excelente curso para evaluar un modelo de regresión lineal, entendiendo qué es y cuando utilizarlo.
William Camilo Correa Sandoval
@williamccs·
Excelente curso. Cursos como esté me motivan cada vez más.
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