Nivel Básico
27 clases
4 horas de contenido
12 horas de práctica
Agrupa países según métricas económicas y sociales usando clustering con Python y scikit-learn. Aprende a manejar datasets, eliminar duplicados, detectar outliers y normalizar variables. Aplica K-means, clustering jerárquico y DBSCAN.
K-means
Hierarchical clustering
DBSCAN
Proyecto: resolviendo un problema con clustering
- 19
Preparar datos para clusterizar
13:30 min - 20
Aplicando PCA para clustering
12:08 min - 21
Resolviendo con K-means
09:24 min - 22
Resolviendo con hierarchical clustering
07:12 min - 23
Resolviendo con DBSCAN
17:25 min - 24
Resolviendo con DBSCAN (sin PCA)
05:24 min - 25
Evaluación resultados de distintos modelos de clustering
10:47 min
Conclusiones
Profes del curso
Conoce quién enseña el curso
Platzi Team
Opiniones del curso
4.8 · 175 opiniones
Alejandro José Hugo Escalante Santos
@gyakpa55·
Excelente curso.
Hans Garibaldi
@hansgaribaldi·
Este es uno de los cursos que más me gustaron porque no se queda solo en conceptos, sino porque en la parte final aplica lo aprendido con datasets reales
Luis Gerardo Bourde Ortega
@LuisBourde·
Muchas gracias por el curso. Muy bueno
Fernando Jesús Núñez Valdez
@Fernutz·
Es genial la metodología utilizada, utilizando problemas prácticos para poder aplicar la teoría y aprender a ecoger los mejores híperparametros para cada algoritmo. Sería estupendo tener cursos mas avanzados sobre los demás algorimos de clustering que existen.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender