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 · 153 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
Alejo Cuello
@alejo-cuello·
Muy interesantes los datasets utilizados
Antonio Ramón Molina Simancas
@amolinasimancas·
Muy bueno, ejemplos directo al grano y la claridad del profesor al explicar es clave para un mejor aprendizaje.
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.
Patricio Sánchez Fernández
@patricio.sanchez.fernandez·
Muy buen curso.
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
@lufrocea·
Excelente
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
Luis Alberto Jaramillo Sevilla
@luis.jaramillo.sevilla560·
Todo fue excelente, gracias por todo
Luis Leandro Leones
@leandroleones·
Excelente curso. Bastante práctica lo que es ideal para practicar y aprender ⭐!
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 🍦
Jennifer Paola Blanco
@jblanco5380·
Excelente curso, me gusto muchisimo y excelente profesor.
Jordi Reig Carruana
@Jordilot·
Muy bueno!
@kuen573jn·
Que nos muestren la apllicacion del modelo, y nos den el material (codigo) es de mucha ayuda para entender bien y rapido
Eliseo Baquero
@eliseo.baquero·
Los desafíos a la hora de entender las diferencias con la regresión lineal
Ana Patricia Pérez Ríos
@anapatriciaperezrios·
¡Excelente curso, totalmente didáctico. Gracias!
Aaron Chacon Morales
@aaronrgbwilliam·
Bien explicado.
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
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.
@katiuski.chavez1297·
Excelente!!!
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.
Alexis Julián Rojas Huamaní
@ajrojash·
Muy buena teoría.
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.
Cristobal Ignacio Ramirez Diaz
@crd24·
muy claro los contenidos
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
56 horas
13 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