7 lecciones • 3 horas
Curso teórico-práctico donde aprenderás los fundamentos de los principales algoritmos y modelos de Regresión Logística que permiten resolver una amplia variedad de problemas de clasificación en Ciencia de Datos y Machine Learning.
Al final del curso habrás aprendido
- Cómo clasificar datos usando la Regresión Logística Simple, Múltiple y Multinomial
- Cómo interpretar los coeficientes de un modelo de Regresión Logística en el contexto de un problema de Ciencia de Datos
- Cómo evaluar un modelo de Regresión Logística usando métricas como la exactitud, el “precision”, el “recall”, el puntaje F1, la AUC y la curva ROC
- A usar Python para entrenar, validar y generar predicciones con modelos de Regresión Logística
Requisitos
- Se sugiere tener experiencia en la programación en Python (acá en la Academia encontrarás los cursos Python Nivel Básico, Python Nivel Intermedio y Python Nivel Avanzado)
- Se sugiere haber tomado el curso Introducción al Machine Learning
Contenido
1 – La clasificación en el Machine Learning
2 – Regresión Logística simple
3 – Estimación de parámetros en la Regresión Logística
4 – Evaluación de modelos de Regresión Logística
5 – Regresión Logística Múltiple
6 – Regularización en la Regresión Logística
7 – Regresión Logística Multinomial
