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.

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

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 Fabricio Dupraz

Fabricio Dupraz

@Fabricio12345

Muyy buen curso! Me encantó la modalidad de trabajo y el profesor tiene mucha facilidad para explicar.

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!

Avatar Joaquin Andrez Sepulveda Araya

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.

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

Avatar Weimar Avendaño Barragán

Weimar Avendaño Barragán

@weimar.avendano

Bastante claridad conceptos regresión.

Avatar Juan Rodríguez

Juan Rodríguez

@Jrod29

Todo es excelente en este curso!

Avatar Luis Ernesto Domínguez Velásquez

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.

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

Avatar William Camilo Correa Sandoval

William Camilo Correa Sandoval

@williamccs

Excelente curso. Cursos como esté me motivan cada vez más.

Avatar Eduardo Enriquez

Eduardo Enriquez

@edu.e.mendoza

Muy buenos ejemplos con mucho enfoque con respecto al tema

Avatar Luis Andres Cardozo Acosta

Luis Andres Cardozo Acosta

@lcardozo

Excelente Curso

Avatar Darrien Sequera

Darrien Sequera

@darriensz

Excelente curso. Wao que bueno es Carlos Alarcon. Un crack.

Avatar Horacio Licona González

Horacio Licona González

@horaciolicona0711

Excelente Docente, realmente es uno de mis favoritos y lo recomiendo mucho.

Avatar Alexis Julián Rojas Huamaní

Alexis Julián Rojas Huamaní

@ajrojash

Muy buena teoría.

Avatar Claudio Fernando Abarca Barrera

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.

Avatar Cristobal Ignacio Ramirez Diaz

Cristobal Ignacio Ramirez Diaz

@crd24

muy claro los contenidos

Avatar DANIEL ENRIQUE OVALLE CERQUERA

DANIEL ENRIQUE OVALLE CERQUERA

@danielovalle

Excelente curso. excelente docente