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 · 633 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.
@lube_23022786·
Excelente curso
Iván Martínez Zarate
@imartinezz·
excelente curso
Rogelio Valadez
@rogeliozedalav004·
Muy buen profesor
Héctor Remedios Fernández
@H-Remedios·
100% recomendado. Es claro, detallado y directo.
Donovan Villanueva
@distimia·
Excelente curso, ojalá todos los cursos de platzi fueran como este.
Francisco Diaz
@frandiaz1·
El profesor Ariel explica excelentemente, se ve su alta experiencia en el tema.
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 💚
@crafpinedoj·
Gran curso sobre estrategias para regularizar datos de manera muy practica.
Esteban Navarro Díaz
@estebannavarrodaz·
Excelente curso! Retrata el trabajo de principio a fin en un proyecto de ciencia de datos. Ojalá, puedan hacer uno así para las series temporales
Ricardo Gomez
@ricagomeg·
Excelente curso, muy completo
Juan Fonseca
@Scorpionsjc·
muy buen curso apesar de la complejidad
Sandra Vega Contreras
@sandravega825·
Excelente la dinámica del curso, y lo más importante el acercamiento a la ejecución en producción de un proceso ML.
jabes nestor frias martinez
@jabesnestorfriasmartinez·
buen curso
Nathalia Ximena Peñaranda Santos
@nathxps188·
excelente curso
Carlos Mario Osorio Jimenez
@coordinador.calidad9909·
Claro y directo conlos ejemplos
Francisco Matta Perdomo
@fmattaperdomo·
Un curso muy completo. Bien explicado. Un gran profesor. super recomendado.
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.
Eliseo Baquero
@eliseo.baquero·
Kernels, PCA y tipos de regularizaciones.
Esteban Ferraz
@estebanferrazp·
Excelente profesor y contenido, felicitaciones!!
Daniel Moreno
@damt·
Excelente curso, representa un antes y después en el desarrollo de proyectos de ML.
Alexander Andrade
@alexanderandrade.ec·
Excelente resumen de las técnicas más utilizadas en el mundo de Ciencia de Datos y su implementación mediante Scikit Learn
LUIS GUILLERMO MONCADA RUIZ
@fiyugun·
Excelente curso, me gusto muchisimo
Eduardo Enriquez
@edu.e.mendoza·
Los temas muy bien explicado de acuerdo tambien con los ejemplos computacionales
Nagcely Mendoza
@Nagcely·
Unos de los mejores cursos de Machine Learning de la escuela de AI.
@nestor.zapata.sanchez·
Profesor explica excelente el tema, se nota que tiene conocimiento aunque deberían decir desde el principio que deben realizar el ejercicio en Visual Studio para no llegar al final y darse cuenta que si lo hizo en colab o en otro gestor no va a poder finalizar.
Andres Espejo
@mrespejo·
Es un buen curso pratico, para poner a prueba lo aprendido en anteriores clases
Weimar Avendaño Barragán
@weimar.avendano·
Muy claros los conceptos. Gracias
Emel GM
@emelgm·
buen curso
Jerson David Puentes Sanchez
@JersonPuentes·
Aplicar técnicas de regularización a regresiones
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Data e Inteligencia Artificial
69 horas
19 Profes
Domina data science para sacar valor a los datos e incrementar su potencial con machine learning para integrar inteligencia artificial a productos de software.
Ruta
Data Scientist
133 horas
31 Profes
¡Conviértete en Data Scientist! Domina el análisis de negocios, redes neuronales y más con cursos prácticos en Python, ML y Bases de Datos.
Ruta
Machine Learning Engineer
164 horas
37 Profes
Integra inteligencia artificial en el software de un producto y mejora su desempeño con sistemas de machine learning.
Ruta
Machine Learning y Matemáticas con Python
33 horas
9 Profes
Aplica machine learning en tus análisis de datos y genera predicciones para tomar decisiones hacia el futuro.
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