Roberto Sobrado Taymani
@roberto.sobrado.taymani·
Las buenas explicaciones del maestro.
Nivel Básico
17 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.
Antonio Ramón Molina Simancas
@amolinasimancas·Muy bueno, ejemplos directo al grano y la claridad del profesor al explicar es clave para un mejor aprendizaje.
Oscar David Bocanegra Capeara
@David_Bocanegra·gran curso para entender como funciona la regresion logistcia y como aplicarla
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).
Lorena Galván
@Lorenaiq·Un curso super practico y con buena teoria para entender a fondo que es la regresion logistica. Explica todo el preprocesamiento d elos datos para este tipo de regresion lo cual es clave para tener buenos resultados.
Mercedes Jue
@juemercedes·Muy bueno, podria haber sido mas detallado, pero para tener una idea inicial esta muy bien
Hamilton Ruiz
@emprendadigital·es una experiencia muy clara y practica
Jonathan Álvarez
@jeac1264·ok
William Santiago Alzate Barriga
@williamsantiagoalzate·Gran curso, muy practico y una explicación sencilla del metodo
