Discover the basic concepts of cluster analysis, and then study a set of typical clustering methodologies, algorithms, and applications. This includes partitioning methods such as k-means, hierarchical methods such as BIRCH, and density-based methods such as DBSCAN/OPTICS. Moreover, learn methods for clustering validation and evaluation of clustering quality. Finally, see examples of cluster analysis in applications.
от партнера
Специализация Интеллектуальный анализ данных Иллинойсский университет в Урбане-ШампейнеОб этом курсе
Недавно просмотрено: 19,762
Карьерные результаты учащихся
25%
начал новую карьеру, пройдя эти курсы
17%
получил значимые преимущества в карьере благодаря этому курсу
33%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 5 из 6 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 17 часов на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, Английский, Испанский
Приобретаемые навыки
Cluster AnalysisData Clustering AlgorithmsK-Means ClusteringHierarchical Clustering
Карьерные результаты учащихся
25%
начал новую карьеру, пройдя эти курсы
17%
получил значимые преимущества в карьере благодаря этому курсу
33%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 5 из 6 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 17 часов на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, Английский, Испанский
от партнера
Иллинойсский университет в Урбане-Шампейне
The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.
Сделайте шаг навстречу диплому магистра.
курс входит в онлайн-программу ''Master in Computer Science' от партнера Иллинойсский университет в Урбане-Шампейне.
Если вы переходите на полную программу, курсы засчитываются при получении диплома.
Программа курса: что вы изучите
2 ч. на завершение
Course Orientation
You will become familiar with the course, your classmates, and our learning environment. The orientation will also help you obtain the technical skills required for the course.
2 ч. на завершение
1 видео ((всего 7 мин.)), 3 материалов для самостоятельного изучения, 1 тест
1 видео
3 материала для самостоятельного изучения
Syllabus10мин
About the Discussion Forums10мин
Social Media10мин
1 практическое упражнение
Orientation Quiz30мин
2 ч. на завершение
Module 1
2 ч. на завершение
13 видео ((всего 65 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
13 видео
1.2. Applications of Cluster Analysis2мин
1.3 Requirements and Challenges5мин
1.4 A Multi-Dimensional Categorization2мин
1.5 An Overview of Typical Clustering Methodologies6мин
1.6 An Overview of Clustering Different Types of Data6мин
1.7 An Overview of User Insights and Clustering3мин
2.1 Basic Concepts: Measuring Similarity between Objects3мин
2.2 Distance on Numeric Data Minkowski Distance7мин
2.3 Proximity Measure for Symetric vs Asymmetric Binary Variables4мин
2.4 Distance between Categorical Attributes Ordinal Attributes and Mixed Types4мин
2.5 Proximity Measure between Two Vectors Cosine Similarity2мин
2.6 Correlation Measures between Two variables Covariance and Correlation Coefficient13мин
2 материала для самостоятельного изучения
Lesson 1 Overview10мин
Lesson 2 Overview10мин
2 практических упражнения
Lesson 1 Quiz30мин
Lesson 2 Quiz30мин
5 ч. на завершение
Week 2
5 ч. на завершение
15 видео ((всего 78 мин.)), 3 материалов для самостоятельного изучения, 2 тестов
15 видео
3.2 K-Means Clustering Method9мин
3.3 Initialization of K-Means Clustering4мин
3.4 The K-Medoids Clustering Method6мин
3.5 The K-Medians and K-Modes Clustering Methods6мин
3.6 Kernel K-Means Clustering8мин
4.1 Hierarchical Clustering Methods1мин
4.2 Agglomerative Clustering Algorithms8мин
4.3 Divisive Clustering Algorithms3мин
4.4 Extensions to Hierarchical Clustering3мин
4.5 BIRCH: A Micro-Clustering-Based Approach7мин
ClusterEnG Overview5мин
ClusterEnG: K-Means and K-Medoids3мин
ClusterEnG Application: AGNES4мин
ClusterEnG Application: DBSCAN2мин
3 материала для самостоятельного изучения
Lesson 3 Overview10мин
Lesson 4 Part 1 Overview10мин
ClusterEnG Introduction10мин
1 практическое упражнение
Lesson 3 Quiz30мин
2 ч. на завершение
Week 3
2 ч. на завершение
9 видео ((всего 53 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
9 видео
4.7 CHAMELEON: Graph Partitioning on the KNN Graph of the Data8мин
4.8 Probabilistic Hierarchical Clustering7мин
5.1 Density-Based and Grid-Based Clustering Methods1мин
5.2 DBSCAN: A Density-Based Clustering Algorithm8мин
5.3 OPTICS: Ordering Points To Identify Clustering Structure9мин
5.4 Grid-Based Clustering Methods3мин
5.5 STING: A Statistical Information Grid Approach3мин
5.6 CLIQUE: Grid-Based Subspace Clustering7мин
2 материала для самостоятельного изучения
Lesson 4 Part 2 Overview10мин
Lesson 5 Overview10мин
2 практических упражнения
Lesson 4 Quiz30мин
Lesson 5 Quiz30мин
5 ч. на завершение
Week 4
5 ч. на завершение
10 видео ((всего 57 мин.)), 1 материал для самостоятельного изучения, 2 тестов
10 видео
6.2 Clustering Evaluation Measuring Clustering Quality2мин
6.3 Constraint-Based Clustering4мин
6.4 External Measures 1: Matching-Based Measures10мин
6.5 External Measure 2: Entropy-Based Measures7мин
6.6 External Measure 3: Pairwise Measures6мин
6.7 Internal Measures for Clustering Validation7мин
6.8 Relative Measures5мин
6.9 Cluster Stability6мин
6.10 Clustering Tendency5мин
1 материал для самостоятельного изучения
Lesson 6 Overview10мин
1 практическое упражнение
Lesson 6 Quiz30мин
25 минут на завершение
Course Conclusion
In the course conclusion, feel free to share any thoughts you have on this course experience.
25 минут на завершение
Рецензии
Лучшие отзывы о курсе АНАЛИЗ КЛАСТЕРОВ В ПРОЦЕССЕ АНАЛИЗА ДАННЫХ
от партнера GL25 янв. 2018 г.
This is a very good course covering all area of clustering. The only thing I feel a little struggle is some algorithm explained too brief, I prefer some detail step by step examples.
от партнера ES17 дек. 2018 г.
This was my favorite course in the whole specialization. Everything is explained very concisely and clearly making the subject matter very easy to understand.
от партнера DB9 мар. 2019 г.
Useful theory. It will be challenging for non-math students. and also lecturer's native language influence iis going to be challening as well to follow along.
от партнера UG27 апр. 2019 г.
Its Good but explanations can done much better, rest all good in terms of study material, quiz ,and programming assignment.
Специализация Интеллектуальный анализ данных : общие сведения
The Data Mining Specialization teaches data mining techniques for both structured data which conform to a clearly defined schema, and unstructured data which exist in the form of natural language text. Specific course topics include pattern discovery, clustering, text retrieval, text mining and analytics, and data visualization. The Capstone project task is to solve real-world data mining challenges using a restaurant review data set from Yelp.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Is financial aid available?
Остались вопросы? Посетите Центр поддержки учащихся.
