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
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
Jorge Armando Villalba Vidales
@joavillalbavi·
El curso es muy claro y la información pertinente.
Rogelio Valadez
@rogeliozedalav004·
Excelente profesor , explica todom} muy "desmenuzado" , muy bien
Nicolas Urrego
@nicurrego·
Excelente!
SANTIAGO DAVILA
@santiago.davila2841·
El profesor muy clarito
Miguel Andres Castro Bocarejo
@macb93·
Excelente clase de Carlos! me pareció muy fácil de entender con los ejemplos entregados.
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
Luis Alberto Jaramillo Sevilla
@luis.jaramillo.sevilla560·
Todo fue excelente, gracias por todo
Jorge Hernán López
@jhlopezm2·
Excelente profesor!
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.
@kuen573jn·
Que nos muestren la apllicacion del modelo, y nos den el material (codigo) es de mucha ayuda para entender bien y rapido
Federico Arias
@f_ariassuarez·
Espectacular!!!
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.
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?
John Castañeda
@john.castaneda9037·
Excelente curso
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!
Liza María Cerinza Salazar
@liza.cerinza·
buen contenido
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.
Rosario Puertas Rios
@rosario.puertas·
Profesor excelente
Luis Ernesto Domínguez Velásquez
@ldominguez667·
Un muy buen curso, donde te enseñan los conceptos de regresión logística y aplicarlos (regresión binomial y regresión miltinomial), para clasificación por ejemplo, para determinar si un potencial clientes es factible de crédito o no, tomando como input para el modelo de regresión logística variables cualitativas y cuantitativas de la evaluación socioeconómica del cliente.
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.
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