Jonathan Álvarez
@jeac1264·
ok
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.
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
Juan Jose Sepulveda Calderon
@JJSC·Curso práctico y teórico; para las prácticas se usaron dataset de kaggle; abarca la clasificación binomial y multi-clase.
Mateo Sánchez Alzate
@matthew1438·Carlos es un excelente docente... Ojalá en mi universidad los docentes se hubieran esforzado la mitad de lo que hace él !!!
William Antonio López Mendoza
@walopez1972·Comprendí claramente lo que es la regresión logística un excelente profesor y un muy buen curso
