Nivel Intermedio
21 clases
2 horas de contenido
10 horas de práctica
Construye modelos de regresión lineal con Python y scikit-learn. Analiza datos, entrena y evalúa modelos, y mejora tus predicciones eliminando variables innecesarias. Aprende a usar métricas y técnicas avanzadas para optimizar resultados.
Clases del curso
Cómo funciona la regresión lineal
Regresión lineal multivariable
Proyecto práctico
Pasos siguientes
Profes del curso
Conoce quién enseña el curso
Luis Fernando Laris
Senior Data Scientist en Baubap
Experto en la industria tech con múltiples años de experiencia en bancos y empresas importantes de México.
Sus pasatiempos son jugar videojuegos y pasar tiempo en familia.
Proyecto del curso
Predicción de gastos médicos con regresión lineal
Crea un modelo de inteligencia artificial utilizando Python y scikit-learn para generar predicciones sobre gastos médicos de pacientes. Utiliza más de una variable en tu modelo y mejóralo para obtener resultados más precisos.
conocimientos previos
- Estadística descriptiva e inferencial para data science.
- Cálculo para inteligencia artificial.
- Álgebra lineal para inteligencia artificial.
- Manipulación y análisis de datos con Pandas, NumPy, Matplotlib y Seaborn.
software y recursos necesarios
- Python 3
- Jupyter Notebook, Google Colab, Deepnote, etc.
Opiniones del curso
4.7 · 341 opiniones
Alfonso Cervantes Maldonado
@alfonsocm·
Muy buen curso, práctico y concreto
Oscar David Bocanegra Capeara
@David_Bocanegra·
un curso bastante interesante para aprender sobre como funciona la regresion lineal en los modelos supervisados y como se implementa con sklearn
Javier Martínez González
@javiermargon·
Muy buen curso introductorio a ML!!!!
Orlando Ramirez
@orlandoramirez·
Se podría actualizar este curso, pero realmente ha sido muy bueno
Mateo Chaves Vanegas
@mchavezv·
Un curso mucho mas enfocado, el profesor era muy claro y directo con sus explicaciones, un curso muy recomendado para iniciar con los modelos de machine learning
Angel Armando Estrada Engallo
@angest1000·
Super bien explicado y facil de entender
Mathew Fuentes
@maticus.15.1·
Excelente curso
César Alejandro Ortiz Sánchez
@c0o01y3·
Excelente
Jose Rodriguez
@Joseroje·
Me gusto el curso, directamente a la practica, deberian actualizar o al menos colocar en los recursos o comentarios cuando halla librerias que estan desactualizadas, fue lo mas complicado
Juan Fonseca
@Scorpionsjc·
excelente
Capital Humano
@Capitalhumano1·
bueno
RENÉ CARDOSO
@rcardosob·
Excelente curso. Excelente profesor. Explica de forma muy sencilla. Aunque no profundiza en demasía, me gustó mucho el curso. De uno depende la profundización.
Francisco Borrero
@franciscob0809·
Está perfectamente explicado qué es una regresión lineal, qué herramientas estadísticas hay en su uso, cómo crearlo usando Python y cómo evaluarlo usando residuales. Todo ello hace que sea fácilmente aplicable.
Andres Montes
@Andres.Montes·
entender mas a fondo la libreria de sklearn comprendiendo que hace cada cosa que se vio
Ing. Oscar Javier Quintero Salazar
@Osquing·
Muy buen curso para aprender regresion lineal.
Sandra Vega Contreras
@sandravega825·
Excelente el contenido, y la metodología del curso es una experiencia motivante para seguir indagando en los temas.
Antonio Demarco Bonino
@ademarcoboninogmail.com·
Es un gran paso en mi carrera de data science! A seguir creciendo en el mundo de los datos.
Daniel da Silva Jarque
@ddasilvajarque·
Gracias a al profesor, por el curso y a los compañeros, por sus aportaciones.
Mauricio Davila Rafesca
@davil_r·
¡Excelente curso!
Elío Diez
@eliodiez·
Muchísima claridad en las explicaciones y mucho orden en los notebooks. ¡Buenísimo!
Javier Agudelo
@Javierxd1·
Un muy buen curso. Sin embargo en el exámen existen algunas preguntas algo ambiguas. Sería interesante profundizar un poco más en los aspectos matemáticos
Marcelo Bengolea
@mfbengolea·
Muy buen curso. Es un resumen practico de todo lo aprendido hasta el momento.
Isaac Bryan Ascanoa Roncall
@Bryan0101·
En este curso, lo mejor fue conocer lo que te puede llevar el conocimiento de la regresion lineal y como lo debes aplicar con datos de dataset. Es algo a tener en cuenta.
Alex Giraldo
@alex.giraldo9808·
Muy fácil de entender los temas.
Sebastian López
@sebastian_lopez·
Excelente curso, para dar inicio al mundo de machine learning
@carlos.alberto.diaz·
Muy bueno el curso ya que se puede ver la aplicación de conceptos teóricos referentes a Regresión lineal.
Mauro Benito Montoya Arenas
@MauroMontoyaArenas·
Excelente curso
Javier Steven Pérez Fernández
@javier.perez8462·
Fue un curso corto, pero conciso y funcional. Con un ejemplo muy claro de cómo utilizar la regresión lineal.
Gabriel Divenuto
@gabrieldivenuto·
El nivel de detalle de cada explicación, con ejemplos concretos.
Juan Márquez
@juan.marquez5004·
El profesor da muy buenas explicaciones y es muy concreto con los ejemplos.
Eleva tu aprendizaje
Complementa este curso con nuestras rutas de aprendizaje
Inteligencia Artificial y Data Science
Aprende ciencia de datos con cursos de Data Science y explora el potencial sin límites de los datos, el machine learning y la inteligencia artificial.
Ruta
Análisis y Visualización de Datos
52 horas
10 Profes
Aprende a extraer, limpiar, analizar y visualizar datos para comunicar insights y apoyar la toma de decisiones estratégicas en los negocios.
Ruta
Data Engineer
43 horas
12 Profes
Aprende a construir y gestionar pipelines de datos escalables, utilizando herramientas como Spark, Airflow, y bases de datos SQL y NoSQL en entornos cloud.
Ruta
Machine Learning y Deep Learning
63 horas
16 Profes
Profundiza en algoritmia, aprendizaje supervisado, no supervisado, redes neuronales, y el despliegue de modelos de Data Science e Inteligencia Artificial en producción.
Ruta
Fundamentos de Data Science y AI
56 horas
13 Profes
Adquiere las bases matemáticas, de programación y de ingeniería de software necesarias para iniciar en el mundo de la ciencia de datos y la inteligencia artificial.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender