Organisations all around the world are using data to predict behaviours and extract valuable real-world insights to inform decisions. Managing and analysing big data has become an essential part of modern finance, retail, marketing, social science, development and research, medicine and government.
от партнера
Лондонский университет
Голдсмитский колледж, Лондонский университет
Foundations of Data Science: K-Means Clustering in Python
Лондонский университетОб этом курсе
Недавно просмотрено: 88,305
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Начальный уровень
You will need mathematical and statistical knowledge and skills at least at high-school level.
Прибл. 29 часов на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Русский, Английский, Испанский
Чему вы научитесь
Define and explain the key concepts of data clustering
Demonstrate understanding of the key constructs and features of the Python language.
Implement in Python the principle steps of the K-means algorithm.
Design and execute a whole data clustering workflow and interpret the outputs.
Приобретаемые навыки
K-Means ClusteringMachine LearningProgramming in Python
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Начальный уровень
You will need mathematical and statistical knowledge and skills at least at high-school level.
Прибл. 29 часов на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Русский, Английский, Испанский
от партнера
Лондонский университет
The University of London is a federal University which includes 18 world leading Colleges. Our distance learning programmes were founded in 1858 and have enriched the lives of thousands of students, delivering high quality University of London degrees wherever our students are across the globe. Our alumni include 7 Nobel Prize winners. Today, we are a global leader in distance and flexible study, offering degree programmes to over 50,000 students in over 180 countries. To find out more about studying for one of our degrees where you are, visit www.london.ac.uk
Голдсмитский колледж, Лондонский университет
Championing research-rich degrees that provoke thought, stretch the imagination and tap into tomorrow’s world, at Goldsmiths we’re asking the questions that matter now in subjects as diverse as the arts and humanities, social sciences, cultural studies, computing, and entrepreneurial business and management. We are a community defined by its people: innovative in spirit, analytical in approach and open to all.
Программа курса: что вы изучите
7 ч. на завершение
Week 1: Foundations of Data Science: K-Means Clustering in Python
This week we will introduce you to the course and to the team who will be guiding you through the course over the next 5 weeks. The aim of this week's material is to gently introduce you to Data Science through some real-world examples of where Data Science is used, and also by highlighting some of the main concepts involved.
7 ч. на завершение
9 видео ((всего 22 мин.))
9 видео
Introduction to Data Science2мин
What is Data?1мин
Types of Data1мин
Machine Learning3мин
Supervised vs Unsupervised Learning2мин
K-Means Clustering4мин
Preparing your Data1мин
A Real World Dataset53
4 практических упражнения
Types of Data – Review Information15мин
Supervised vs Unsupervised – Review Information15мин
K-Means Clustering – Review Information30мин
Week 1 Summative Assessment40мин
4 ч. на завершение
Week 2: Means and Deviations in Mathematics and Python
4 ч. на завершение
11 видео ((всего 37 мин.)), 4 материалов для самостоятельного изучения, 11 тестов
11 видео
2.1 – Introduction to Mathematical Concepts of Data Clustering1мин
2.2 – Mean of One Dimensional Lists2мин
2.3 – Variance and Standard Deviation3мин
2.4 Jupyter Notebooks6мин
2.5 Variables4мин
2.6 Lists4мин
2.7 Computing the Mean3мин
2.8 Better Lists: NumPy3мин
2.9 Computing the Standard Deviation6мин
Week 2 Conclusion31
4 материала для самостоятельного изучения
Population vs Sample, Bias10мин
Variability, Standard Deviation and Bias10мин
Python Style Guide10мин
Numpy and Array Creation20мин
10 практических упражнений
Population vs Sample – Review Information5мин
Mean of One Dimensional Lists – Review Information3мин
Variance and Standard Deviation – Review Information4мин
Jupyter Notebooks – Review Information20мин
Variables – Review Information10мин
Lists – Review Information10мин
Computing the Mean – Review Information10мин
Better Lists – Review Information10мин
Computing the Standard Deviation – Review Information10мин
Week 2 Summative Assessment40мин
8 ч. на завершение
Week 3: Moving from One to Two Dimensional Data
8 ч. на завершение
16 видео ((всего 53 мин.)), 10 материалов для самостоятельного изучения, 15 тестов
16 видео
3.1 Multidimensional Data Points and Features2мин
3.2 Multidimensional Mean2мин
3.3 Dispersion: Multidimensional Variables3мин
3.4 Distance Metrics5мин
3.5 Normalisation1мин
3.6 Outliers1мин
3.7 Basic Plotting2мин
3.7a Storing 2D Coordinates in a Single Data Structure6мин
3.8 Multidimensional Mean4мин
3.9 Adding Graphical Overlays5мин
3.10 Calculating the Distance to the Mean3мин
3.11 List Comprehension3мин
3.12 Normalisation in Python5мин
3.13 Outliers and Plotting Normalised Data2мин
Week 3 Conclusion30
10 материалов для самостоятельного изучения
Multidimensional Data Points and Features Recap10мин
Multidimensional Mean Recap10мин
Multidimensional Variables Recap10мин
Distance Metrics Recap10мин
Normalisation Recap10мин
Note on Matplotlib10мин
Matplotlib Scatter Plot Documentation20мин
Matplotlib Patches Documentation10мин
List Comprehension Documentation20мин
3.12 Errata10мин
15 практических упражнений
Multidimensional Data Points and Features – Review Information3мин
Multidimensional Mean – Review Information3мин
Dispersion: Multidimensional Variables – Review Information5мин
Distance Metrics – Review Information6мин
Normalisation – Review Information3мин
Outliers – Review Information30мин
Basic Plotting – Review Information5мин
Storing 2D Coordinates – Review Information30мин
Multidimensional Mean – Review Information30мин
Adding Graphical Overlays – Review Information30мин
Calculating Distance – Review Information30мин
List Comprehension – Review Information30мин
Normalisation in Python – Review Information30мин
Outliers – Review Information30мин
Week 3 Summative Assessment25мин
4 ч. на завершение
Week 4: Introducing Pandas and Using K-Means to Analyse Data
4 ч. на завершение
8 видео ((всего 37 мин.)), 6 материалов для самостоятельного изучения, 8 тестов
8 видео
4.1: Using the Pandas Library to Read csv Files5мин
4.1a: Sorting and Filtering Data Using Pandas8мин
4.1b: Labelling Points on a Graph4мин
4.1c: Labelling all the Points on a Graph3мин
4.2: Eyeballing the Data5мин
4.3: Using K-Means to Interpret the Data8мин
Week 4: Conclusion35
6 материалов для самостоятельного изучения
Week 4 Code Resources5мин
Pandas Read_CSV Function15мин
More Pandas Library Documentation10мин
The Pyplot Text Function10мин
For Loops in Python10мин
Documentation for sklearn.cluster.KMeans10мин
7 практических упражнений
Using the Pandas Library to Read csv Files – Review Information5мин
Sorting and Filtering Data Using Pandas – Review Information10мин
Labelling Points on a Graph – Review Information5мин
Labelling all the Points on a Graph – Review Information5мин
Eyeballing the Data – Review Information5мин
Using K-Means to Interpret the Data – Review Information5мин
Week 4 Summative Assessment40мин
Рецензии
Лучшие отзывы о курсе FOUNDATIONS OF DATA SCIENCE: K-MEANS CLUSTERING IN PYTHON
от партнера AH3 июня 2020 г.
I love this course as it gives me the foundations of learning the Python coding program and relevant statistical methods that used for data analysis. It's really interesting course to attend to.
от партнера GR9 сент. 2019 г.
184/5000 Conferences of very good quality, and the platform for practices is really useful to put the theory into practice. I recommend this course if you want to start in data science.
от партнера SS29 июня 2020 г.
A well presented and interesting course. It would have been good to have some more complex examples with the thinking behind them - the exploratory bit/intelligent bit of the process.
от партнера BO3 июля 2020 г.
Highly recommended to anyone who wants to delve into data science. The instruuctors, the universities and Coursera team are well dedicated and the course is of high quality.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
- Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
- Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оплатив сертификацию?
Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке 'Финансовая помощь' слева под кнопкой 'Зарегистрироваться' и заполните форму. Если его примут, вы получите уведомление. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
