Opiniones del Curso Profesional de Machine Learning con scikit-learn

Subtítulos en español

Opiniones

intermedio

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.

Roberto Esteves

@roberto-esteves

Bien completo y complicado, recomendado completamente como parte del aprendizaje

Iván Yáñez López

@james25

Es un muy buen curso para aprender el manejo de una libreria tan útil como Scikit-Learn.

Alberto Manuel García Grimaldos

@indisclaimer

Explicación amplia de varios temas que sirven como empujón

@bramaz

Me gusto mucho en el enfoque que se tiene a datos reales y los lugares donde se puede ampliar la información. y me queda claro como es la estructura de un proyecto de ML en producción.

Pablo Andrés Jarava Guerra

@Pablo_Andres

Éste curso ha sido hasta el momento, el mejor de ML. Deberías ser obligatorio ver un siguiente curso con el profesor.

Roberto Ruiz

@roruizf

Excelente curso. La mejor parte: Salida a producción !

David Jordan

@david-jordan

Te orienta en casi todos los pasos de un proyecto de Machine Learning. Lo recomiendo mucho, pero les recomiendo profundizar algunos temas más a profunidad y escribir más codigo del desarrollado en el curso para afianzar algunos temas que se enseñan pero quedan un poco para que los alumnos exploren.

John Sebastian Ramirez Echeverry

@jsramirez

Sorprendente la capacidad del profesor para aterrizar conceptos tan complejos. Es tan bueno, que considero que el contenido del curso podría haber tenido conceptos mucho más avanzados.

Jhon Alexander Fonseca Garzon

@jhonfonsecag

Maneja muchos temas importantes, pero no da muchos consejos prácticos

Juan Andres Pasos Rua

@japasosr

¡Excelente profesor, explicaciones claras y concisas! Muy buena introducción al modulo de Scikit-Learn

José Fernando Aguilar Arredondo

@FerSaberhagen

El docente estuvo genial, sin embargo creo que podría haber profundizado más sobre ciertos temas y hacer que este curso fuera más intensivo. Además hay cosas por actualizar de este curso y creo que llevarlo a un entorno más universal de desarrollo.

Roberto Galindo Ramírez

@robertogalindor

Se plantea un panorama general de un flujo de trabajo con machine learning y se aterriza a un ejemplo de puesta a producción.

Janer Gonzalez Danies

@janer-gonzalez-danies

muy bueno el curso, espero uno con mayor profundidad

Israel Cabello Figueroa

@israelcf

Sklearn es una buena librería, pero sería bueno actualizar el curso, no se siente como un curso completamente profesional.

sebastián Giraldo Vargas

@cbastian_gv

lo que más me gustó es que se abarcan los módulos de model_selection y decomposition de sklearn. y, me encantó que todo lo hayamos hecho en Python para entender un modo de hacer Machín learning de una manera más profesional. Me hubiera encantado que profundizarán más lo de mandar modelos a una carpeta y ejecutarlos

Gabriel Gallardo

@gabriel-gallardo

Lo mejor fue la seleccion semi automatica del mejor modelo y su salida a produccion

RODRIGO STEVE CARRILLO NORIEGA

@roysteve.nc

en las ultimas clases en las que se usan multiples archivos py esta desactualizado es mejor utilizar la tecnica de configurar la api de pandas como en los cursos de datos faltantes con notebooks

@beerealit

Tanto el contenido del curso como la didáctica del profesor son muy buenas.

Leandro Tenjo

@LeandroT

Justo al final empieza a ponerse interesante. Se que es un curso más practico, pero no estaría mal una ligera explicación teórica de por que se esta escribiendo todo ese código.

Lina Marcela Garzon Muñoz

@marcelamu

Para este curso hay que tener bases sobre ciertos métodos de ML, pero la manera de explicar el uso de Scikit-learn y aclarar conceptos es excelente.

Mauricio Escobar

@mauricios_01

En general está bastante bien aunque algunas cuestiones a mejorar. Dado que nos estamos centrando en scikit learn me gustaría haber tocado temas como el uso del método pipeline de sklearn, o cuándo escalar y cuando no. Son cosas que no me quedaron del todo claras pero no es nada que no se pueda resolver investigando por nuestra cuenta. Aún así los temas tratados fueron expuestos y explicados bastante bien. Me gusta la dinámica del profesor y si yo fuera platzi definitivamente desarrollaría más cursos con él. Creo que ahora haré una pausa de estudiar nuevos temas y dedicaré unos días para poner en práctica todo lo aprendido. Que es bastante y muy importante.