Nivel Intermedio
38 clases
4 horas de contenido
16 horas de práctica
Desarrolla proyectos de Machine Learning profesionalmente con Scikit-Learn. Aprende desde la configuración del entorno, a implementar algoritmos de clasificación, regresión, clustering y optimización. Lleva tu modelo a producción con una API Flask.
Clases del curso
Iniciar un proyecto con sklearn
Optimización de features
Regresiones robustas
Métodos de ensamble aplicados a clasificación
Clustering
Optimización paramétrica
Salida a producción
Profes del curso
Conoce quién enseña el curso
Proyecto del curso
Implementación de regresión robusta
Usando el dataset del índice de felicidad aprenderás a limpiar y transformar datos atípicos para procesarlos por medio de un regresión robusta.
Opiniones del curso
4.8 · 614 opiniones
Alfonso Andres Zapata Guzman
@AAZG·
Excelente, quisiera que sacaran la parte dos de este curso, enfocado en la libreria auto-sklearn, y se desarrollaran temas como: Una vez ya tengo mi modelo activo, y puedo hacer predicciones con el, como hago para que los datos nuevos que vayan lleganddo y se vayan prediciendo, vayan formando parte de los datos de entrenamiento del modelo, para que este actualizado, en su ddefecto casa cuanto o como reentrenar, cuales son los metodos de reentrenamiento usados, o si no se realiza de la manera anterior, en su defecto como hago para que aparte de ya predecir con el entrenamiendo inicial, vaya aprendiendo conforme predice y no sea un modelo estatico.
Roberto Sobrado Taymani
@roberto.sobrado.taymani·
Muy buenas explicaciones por parte del profesor.
Mateo Chaves Vanegas
@mchavezv·
Un super curso, cuando dice curso profesional es porque asi se siente, realmente es un curso que aunque no esta muy completo, porque si lo estuviera seria de 300 clases, es un curso muy bueno donde se puede ver el alcance del ML, muy recomendado.
Ricardo Ruiz
@rruiber·
Muy buen curso. Siento que faltó la interpretación en lenguaje sencillo y natural de los resultados obtenidos de la implementación de los modelos. Nos quedamos con las métricas y resultados en lenguaje técnico (más difíciles de comprender e interiorizar).
Gustavo Pastor de la Cruz
@gustavopastordelacruz·
Excelente curso
Gabriel Andrés Alzate Acuña
@Gabeto·
El profesor es excelente, la organización y forma de llevar la dinámica es demasiado buena.
Gabriel Andrés Montiel Hermosa
@GabrielMontiel·
Un excelente curso que, sin duda, te expande el increíble mundo del machine learning. Aprendí conceptos muy interesantes y útiles que desconocía por completo. El profe es excelente, un experto que además transmite confianza y motivación con su empatía y carisma. Gracias, Team Platzi, profe Ariel y comunidad 💚
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
Isaac Ramirez
@ulisac0426242·
bien
Sandra Vega Contreras
@sandravega825·
Excelente la dinámica del curso, y lo más importante el acercamiento a la ejecución en producción de un proceso ML.
Joseph Peña Quino
@josephpq·
buen curso
Ing. Oscar Javier Quintero Salazar
@Osquing·
Excelente contenido, exigente para el aprendizaje pero muy bueno en su profundidad.
Jeison Andres Arias Camayo
@Jeison68·
Excelente profesor, espero podamos tener mas cursos dictados por el, las explicaciones son claras, transmite el mensaje y se nota que posee mucho conocimiento y manejo.
jabes nestor frias martinez
@jabesnestorfriasmartinez·
buen curso
Carlos Mario Osorio Jimenez
@coordinador.calidad9909·
Claro y directo conlos ejemplos
Marcelo Bengolea
@mfbengolea·
scikit learn es una herramienta muy completa para el análisis de datos, realmente es muy importante contar con ella, excelente curso
Federico Arias
@f_ariassuarez·
muy completo!
@jose-a-alvarez·
Excelente Profesor.
Pablo Campiño
@pcampo21·
Fue excelente la metodología, el contenido y experienciias transmitidas del Profesor Ariel Beltrán. Muy amena las clases. Ariel demostró experiencia y todos los contenidos cada uno con prácticas. Platzi: El profesor Ariel es realmente un referente de cursos, en cuanto organización, impecable el desarrollo, claridad y excelentes explicaciones, permanentes recomendaciones y no escatimar el recordar aspectos aunque ya se hayan visto.
DARIO HERNANDO PARDO PARDO
@dhpardop·
El tema del curso me abrió un horizonte que no conocía El profesor excelente. Un adecuado dominio del tema y una metodología pedagógica impecable.
Eliseo Baquero
@eliseo.baquero·
Kernels, PCA y tipos de regularizaciones.
Esteban Ferraz
@estebanferrazp·
Excelente profesor y contenido, felicitaciones!!
Juan José Beltrán
@beltranjuanjo.r·
Excelente curso para tener una noción de todo lo que ofrece scikit learn
Sergio Mora
@swer07·
Es un curso con mucho valor, me ayudo a aclarar muchos conceptos y verlo desde el punto practico
Jacson Enrriquez Alvarez
@jacson-enrriquez-alvarez·
excelente
Juan Sebastian Bonilla Sanchez
@juan.bonilla·
El curso es muy practico y requiere usar mucho tanto la memoria de los terminos como la logica al implementar nuevos modelos.
Alexander Andrade
@alexanderandrade.ec·
Excelente resumen de las técnicas más utilizadas en el mundo de Ciencia de Datos y su implementación mediante Scikit Learn
María Angélica Pérez Gutiérrez
@Maria_PerezG·
Muy buen curso para empezar a crear modelos con scikit-learn
@sandra.posada·
Excelente curso, muy bien llevado y explicado. Explica todo muy bien con los ejemplos, no se queda en la teoría.
Rosario Puertas Rios
@rosario.puertas·
Ariel explico los diferentes temas de una manera facil y practica. Muy bien
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