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 Antonio Ramón Molina Simancas

Antonio Ramón Molina Simancas

@amolinasimancas

Muy bueno, ejemplos directo al grano y la claridad del profesor al explicar es clave para un mejor aprendizaje.

Avatar Israel Guevara

Israel Guevara

@israelguevara

En este curso pude aprender los conceptos básicos de la regresión logística. Los cuales fueron explicados de forma clara por parte del profesor.

Avatar JOSE LUIS HURTADO BALCAZAR

JOSE LUIS HURTADO BALCAZAR

@jlhb1984

La calidad humana y profesional del profe.

Avatar Nathalia Ximena Peñaranda Santos

Nathalia Ximena Peñaranda Santos

@nathxps188

Maravilloso!!!

Avatar Jorge Hernán López

Jorge Hernán López

@jhlopezm2

Excelente profesor!

Avatar ANDRES FELIPE ORTIZ ZAPATA

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.

Avatar Isaac Bryan Ascanoa Roncall

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.

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 Pablo Campiño

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.

Excelente curso de regresión lineal usando python con scikit-learn, gracias.

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

Avatar David Alejandro Garzon Angarita

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

Avatar Juan Sebastian Bonilla Sanchez

Juan Sebastian Bonilla Sanchez

@juan.bonilla

El curso es muy completo y requiere de cuidado para entenderlo completamente.

Avatar Juan Sebastián Bonilla Sanchez

Juan Sebastián Bonilla Sanchez

@jsbonillasanchez

El curso es muy completo y recomendado!

Buen curso, un poco pesado y complejo. Pero bien explicado.

Avatar Nagcely Mendoza

Nagcely Mendoza

@Nagcely

Excelente curso para evaluar un modelo de regresión lineal, entendiendo qué es y cuando utilizarlo.

Avatar Yeison Adolfo Yepes Avendano

Yeison Adolfo Yepes Avendano

@yeaya_ye6285

Excelente y magristral la forma de explicar la parte teórica y la facilidad para aplicarla