This course introduces you to one of the main types of Machine Learning: Unsupervised Learning. You will learn how to find insights from data sets that do not have a target or labeled variable. You will learn several clustering and dimension reduction algorithms for unsupervised learning as well as how to select the algorithm that best suits your data. The hands-on section of this course focuses on using best practices for unsupervised learning.
от партнера
IBMОб этом курсе
Недавно просмотрено: 25,284
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.
Средний уровень
Прибл. 9 часов на выполнение
Английский
Субтитры: Английский
Приобретаемые навыки
Dimensionality ReductionUnsupervised LearningCluster AnalysisK Means ClusteringPrincipal Component Analysis (PCA)
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.
Средний уровень
Прибл. 9 часов на выполнение
Английский
Субтитры: Английский
от партнера
IBM
IBM is the global leader in business transformation through an open hybrid cloud platform and AI, serving clients in more than 170 countries around the world. Today 47 of the Fortune 50 Companies rely on the IBM Cloud to run their business, and IBM Watson enterprise AI is hard at work in more than 30,000 engagements. IBM is also one of the world’s most vital corporate research organizations, with 28 consecutive years of patent leadership. Above all, guided by principles for trust and transparency and support for a more inclusive society, IBM is committed to being a responsible technology innovator and a force for good in the world.
Программа курса: что вы изучите
2 ч. на завершение
Introduction to Unsupervised Learning and K Means
This module introduces Unsupervised Learning and its applications. One of the most common uses of Unsupervised Learning is clustering observations using k-means. In this module you become familiar with the theory behind this algorithm, and put it in practice in a demonstration.
2 ч. на завершение
11 видео ((всего 62 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
4 ч. на завершение
Selecting a clustering algorithm
In this module you become familiar with some of the computational hurdles around clustering algorithms, and how different clustering implementations try to overcome them. After a brief recapitulation of common clustering algorithms, you will learn how to compare them and select the clustering technique that best suits your data.
4 ч. на завершение
16 видео ((всего 143 мин.)), 3 материалов для самостоятельного изучения, 4 тестов
4 ч. на завершение
Dimensionality Reduction
This module introduces dimensionality reduction and Principal Component Analysis, which are powerful techniques for big data, imaging, and pre-processing data. At the end of this module, you will have all the tools in your toolkit to highlight your Unsupervised Learning abilities in your final project.
4 ч. на завершение
9 видео ((всего 88 мин.)), 3 материалов для самостоятельного изучения, 4 тестов
Рецензии
Лучшие отзывы о курсе UNSUPERVISED MACHINE LEARNING
от партнера AD18 апр. 2021 г.
It is a beautifully crafted course that looks at various clustering algorithms. More importantly, show the pros and cons of each algorithm/technique based on different patterns.
от партнера AF6 нояб. 2020 г.
Great course and very well structured. I'm really impressed with the instructor who give thorough walkthrough to the code.
от партнера MB22 апр. 2021 г.
A high quality course with lots of practical techniques
от партнера NW25 дек. 2020 г.
Great course for learning about Unsupervised Learning
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на сертификацию?
Получу ли я зачеты в университете за прохождение курса?
Остались вопросы? Посетите Центр поддержки учащихся.
