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 Brayam Esparza

Brayam Esparza

@Brayam_Esparza

De los mejores cursos, ameno, digerible, y practico

Avatar Christian Mauricio Canedo Tellez

Christian Mauricio Canedo Tellez

@Chris89

Muy buen curso.

Avatar Robert Yesid Barrios Acendra

Robert Yesid Barrios Acendra

@rybarak

Recomendado

Avatar Carlos Osorio Ramirez

Carlos Osorio Ramirez

@carlos_osorio

Los ejemplos y la actitud del profesor

Avatar Alejo Cuello

Alejo Cuello

@alejo-cuello

Muy interesantes los datasets utilizados

Avatar Rogelio Valadez

Rogelio Valadez

@rogeliozedalav004

Excelente profesor , explica todom} muy "desmenuzado" , muy bien

Avatar David Felipe Zabala Castañeda

David Felipe Zabala Castañeda

@dzabala03

Uno de los mejores cursos que he tomado, por el contenido, la practicidad con la que explica el profesor y la facilidad para mostrar conceptos difíciles y hacerlos ver fáciles.

Avatar Mateo Chaves Vanegas

Mateo Chaves Vanegas

@mchavezv

Muy buen curso, el profesor explica muy bien y no deja de lado la aprte matematica que es muy reelvante en este tipo de modelos

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 Luis Leandro Leones

Luis Leandro Leones

@leandroleones

Excelente curso. Bastante práctica lo que es ideal para practicar y aprender ⭐!

Avatar Mauricio Davila Rafesca

Mauricio Davila Rafesca

@davil_r

Excelente curso.

Avatar Daniel da Silva Jarque

Daniel da Silva Jarque

@ddasilvajarque

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

Avatar Jorge Hernán López

Jorge Hernán López

@jhlopezm2

Excelente profesor!

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 Jennifer Paola Blanco

Jennifer Paola Blanco

@jblanco5380

Excelente curso, me gusto muchisimo y excelente profesor.

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 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