Nivel Básico
28 clases
2 horas de contenido
10 horas de práctica
Aprende a implementar Decision Trees y Random Forest usando Python y scikit-learn. Desde cero, construye, entrena y evalúa modelos de clasificación, aplicando técnicas de Machine Learning para obtener resultados precisos en tus proyectos.
Clases del curso
Proyecto práctico: árboles de decisión
Introducción a random forest
Proyecto práctico: random forest
Conclusión
Profes del curso
Conoce quién enseña el curso
Layla Scheli
Consultora de BI, Big Data y Data Science
💻 Ingeniera en sistemas de información.
☁️ Especializada en data analytics, data science, cloud computing y big data.
💡 Freelance y autónoma.
Proyecto del curso
Clasificación de automóviles con machine learning
Crea un modelo basado en árboles para clasificar carros dependiendo de características que miden su calidad con base en su tecnología, comodidad y precio.
software y recursos necesarios
- Jupyter Notebook, Google Colab, Deepnote, etc.
Opiniones del curso
4.7 · 129 opiniones
Ruben Dario Troche Piñanez
@dtf.ruben.troche·
Excelente el curso y realmente muy últil e interesante. Gracias Totales Profesora y Platzi por agregarme valor.
Adán Gabriel Menacho Menacho
@amenacho·
Me gusto mucho este curso pude aprender los conceptos basicos de los arboles de decisión y radom forest. Voy hacer el reto que dejo la profesora al final de la clase para aplicar todo lo aprendido.
Carlos Ronaldo Méndez García
@gycarmendez·
MUY BIEN TODO
Jason Sepulveda
@jasonssdev·
Muy buen curso para aprender lo fundamental de random forest, directo al grano y con ejemplos practicos
Gilberto Gutiérrez Gordillo
@gilgutgo·
La docente explica muy bien el contenido del tema
Oscar David Bocanegra Capeara
@David_Bocanegra·
un curso bastante interesante para aprender el funcionamiento de los arboles de decision y como crearlos sklearn
Jose Fernando Garcia Marin
@jfgm_333·
La profe es genial, muy claro todo
Alexis Aquino Noriega
@economathnoja·
UN curso muy comleto para entender los algoritmos de clasificacion que son arboles aleatorios y bosques aleatorios, el contenido muy muy bueno y preciso, sin embargo hizo falta profundizar en algunos parametros como criterios para el modelo, en general un buen curso de nociones basicas o para entender estos algoritmos.
Patricio Sánchez Fernández
@patricio.sanchez.fernandez·
Muy buen curso, y excelente profesora. Tiene la capacidad innata para enseñar, explica de forma muy detallada, paso a paso. Lo cual resulta de gran ayuda, para quienes no somos del area de la programación y desarrollo.
Braulio Alberto Bueno Pabon
@babuenop·
La explicación es clara y fácil de entender. Ayuda mucho a comprender cómo funcionan los árboles de decisión y los random forest, y también cómo se pueden crear y aplicar en la práctica. Excelente para quienes estamos aprendiendo desde cero o queremos reforzar conceptos.
Roberto Sobrado Taymani
@roberto.sobrado.taymani·
Las excelentes explicaciones de la maestra y muy buenos ejemplos.
Nery Fuentes
@nery.fuentes·
Excelente curso :)
Claudio Anastacio Mojica Valdez
@cmojicavaldez·
Buen docente explica bien paso a paso no se sintió complejo el curso, este tipo de calidad docente y metodología de enseñanza debe prevalecer en platzi
Alexandro Mayoral Terán
@bluepill5·
Un curso práctico bueno para repasar y profundizar, muchas gracias!!! :)
German Rodriguez
@Geerdata·
Muy Bueno
Israel Guevara
@israelguevara·
Es un buen curso para aprender el funcionamiento y aplicación de los árboles de decisión
Jose Leonardo Perez Niño
@jose.perez5·
Me ayudó a mi tesis
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
Daiana Davidson
@davidsondaiana.s·
exelente y fácil de seguir
Brandon F Vargas Garcia
@200484·
muy buen curso, muy práctico y claro, recomendado al 100.
David Salazar Saldarriaga
@dsalazarsa·
Muy Bueno
Mariano Castelli
@mcastelli3640·
Muy buena combinacion teorico práctica, excelente docente.
Carlos Mario Osorio Jimenez
@coordinador.calidad9909·
Ejemplos muy claros y recursos muy utiles, excelente introducción a este tema
Mauricio Escobar
@mauricios_01·
Buen contenido, enfocado al 100% en aprender los conceptos básicos de la implementación de árboles de desición y random forest. En la clase 5, donde se explican los temas de árboles de decisión (al menos a mi) se me hizo un poco confuso dado el ejemplo que se usó como referencia. Quizás otro ejemplo habría aportado más. Agradecería una segunda parte del curso donde se abordaran temas más avanzados. :D
VICTOR HERNANDEZ
@vjhernandez20·
Me pareció estupendo, conceptos y ejemplos acertados. Un curso muy bien orientado.
Cristian Eduardo Florián
@eduardoflorian7·
Excelente curso, muy práctico.
Isaac Bryan Ascanoa Roncall
@Bryan0101·
Me encanto este curso. Te explica de manera especifica y detallada. Hace ver la materia muy sencilla y te permite mejorar tus capacidades y habilidades como programador.
FELIX NADER NUÑEZ
@felixnn24381·
Obtener una herramienta mas muy util para el trabajo
Gerardo Toboso
@ger1909·
Excelente curso!
Eliseo Baquero
@eliseo.baquero·
El ejercicio comparativo de árbol de decisión y random forest para mejorar el modelo.
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Data Scientist con Python
96 horas
17 Profes
Explora el fascinante mundo del Data Science con Python. Cada curso es un paso crucial hacia el análisis de datos y la creación de modelos de machine learning.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender