Platzi Team
Curso de Regresión Logística con Python y scikit-learn

Opiniones del Curso de Regresión Logística con Python y scikit-learn

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.

Avatar Daniel de Jesús Martínez Vega

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

Avatar FELIX  DAVID CORDOVA GARCIA

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

Avatar Alejo Cuello

Alejo Cuello

@alejo-cuello

Muy interesantes los datasets utilizados

Avatar Paola Camacho Alapizco

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

Avatar Gonzalo Ceron Denetro

Gonzalo Ceron Denetro

@gonzocd

Es un gran curso, con muy buenas explicaciones. Muy claro todo

Avatar Andrés Felipe Ruiz Medina

Andrés Felipe Ruiz Medina

@andresfruizmedina

Excelente curso, las explicaciones del profesor fueron muy claras

Avatar Miguel Andres Castro Bocarejo

Miguel Andres Castro Bocarejo

@macb93

Excelente clase de Carlos! me pareció muy fácil de entender con los ejemplos entregados.

Avatar Esteban Navarro Díaz

Esteban Navarro Díaz

@estebannavarrodaz

Genial! Muchos cursos no enseñan a hacer clasificaciones multinomiales. En este caso, es una feliz excepción.

Avatar JOSE LUIS HURTADO BALCAZAR

JOSE LUIS HURTADO BALCAZAR

@jlhb1984

La calidad humana y profesional del profe.

Avatar Mauricio Davila Rafesca

Mauricio Davila Rafesca

@davil_r

Excelente curso.

Avatar Yael Ramírez

Yael Ramírez

@yaelrmz

No cabe duda porqué el profesor es el Architect de data en Platzi

Avatar Nathalia Ximena Peñaranda Santos

Nathalia Ximena Peñaranda Santos

@nathxps188

Maravilloso!!!

Avatar Daniel da Silva Jarque

Daniel da Silva Jarque

@ddasilvajarque

Gracias al profesor, por el curso y a los compañeros, por sus aportaciones.

Avatar Mauricio Escobar

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 🍦

Avatar Martin Javier Gamboa Guzman

Martin Javier Gamboa Guzman

@martingg04

Muy buen profesor, todo muy claro

Que nos muestren la apllicacion del modelo, y nos den el material (codigo) es de mucha ayuda para entender bien y rapido

Avatar Eliseo Baquero

Eliseo Baquero

@eliseo.baquero

Los desafíos a la hora de entender las diferencias con la regresión lineal

Avatar Daniel Moreno

Daniel Moreno

@damt

Excelente curso para tener una perspectiva general sobre la Regresión Logística con Python y scikit-learn.

Avatar Sebastian López

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?

Avatar sebastian godoy ureta

sebastian godoy ureta

@Loco45

Estuvo bien la clase. Mas allá que eso, soy yo que debo mejorar