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 · 152 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
Roger Christian Cansaya Olazabal
@roger-cansaya-olazabal·
Gran Curso
Rogelio Valadez
@rogeliozedalav004·
Excelente profesor , explica todom} muy "desmenuzado" , muy bien
Alexis Aquino Noriega
@economathnoja·
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
@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.
Paola Camacho Alapizco
@pahoalapizco·
Gran curso, la explicación y práctica de cada tema son claras, concisas, y directas; lo mejor del curso creo, fue la introducción de temas que en cursos previos se omiten, como el balanceo de datos, evaluación de varios modelos combinando distintos parámetros. Este curso es una Joya <3
Roberto Sobrado Taymani
@roberto.sobrado.taymani·
Las buenas explicaciones del maestro.
Nery Fuentes
@nery.fuentes·
Excelente curso
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.
Luis Leandro Leones
@leandroleones·
Excelente curso. Bastante práctica lo que es ideal para practicar y aprender ⭐!
Isaac Ramirez
@ulisac0426242·
bien
Nathalia Ximena Peñaranda Santos
@nathxps188·
Maravilloso!!!
Daniel da Silva Jarque
@ddasilvajarque·
Gracias al profesor, por el curso y a los compañeros, por sus aportaciones.
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.
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.
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.
Ana Patricia Pérez Ríos
@anapatriciaperezrios·
¡Excelente curso, totalmente didáctico. Gracias!
Daniel Moreno
@damt·
Excelente curso para tener una perspectiva general sobre la Regresión Logística con Python y scikit-learn.
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.
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
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.
Eleva tu aprendizaje
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.
Ruta
Análisis y Visualización de Datos
52 horas
10 Profes
Aprende a extraer, limpiar, analizar y visualizar datos para comunicar insights y apoyar la toma de decisiones estratégicas en los negocios.
Ruta
Data Engineer
43 horas
12 Profes
Aprende a construir y gestionar pipelines de datos escalables, utilizando herramientas como Spark, Airflow, y bases de datos SQL y NoSQL en entornos cloud.
Ruta
Machine Learning y Deep Learning
63 horas
16 Profes
Profundiza en algoritmia, aprendizaje supervisado, no supervisado, redes neuronales, y el despliegue de modelos de Data Science e Inteligencia Artificial en producción.
Ruta
Fundamentos de Data Science y AI
52 horas
12 Profes
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.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender