4.7
звезд
Оценки: 137

Mark J Grover и еще 1 преподаватель

9 329 уже зарегистрированы

от партнера

IBM Skills Network

Об этом курсе

Недавно просмотрено: 36 010

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.
By the end of this course you should be able to:
Explain the kinds of problems suitable for Unsupervised Learning approaches
Explain the curse of dimensionality, and how it makes clustering difficult with many features
Describe and use common clustering and dimensionality-reduction algorithms
Try clustering points where appropriate, compare the performance of per-cluster models
Understand metrics relevant for characterizing clusters

Who should take this course?
This course targets aspiring data scientists interested in acquiring hands-on experience with Unsupervised Machine Learning techniques in a business setting.
 
What skills should you have?
To make the most out of this course, you should have familiarity with programming on a Python development environment, as well as fundamental understanding of Data Cleaning, Exploratory Data Analysis, Calculus, Linear Algebra, Probability, and Statistics.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Средний уровень

Прибл. 13 часов на выполнение

Английский

Субтитры: Английский

Приобретаемые навыки

Dimensionality Reduction
Unsupervised Learning
Cluster Analysis
K Means Clustering
Principal Component Analysis (PCA)

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Средний уровень

Прибл. 13 часов на выполнение

Английский

Субтитры: Английский

Преподаватели

Оценка преподавателя

4,74/5 (оценок: 47)

Mark J Grover

Digital Content Delivery Lead

IBM Data & AI Learning

38 266 учащихся

13 курсов

Miguel Maldonado

Machine Learning Curriculum Developer

Data and AI Learning

24 651 учащийся

5 курсов

от партнера

IBM Skills Network

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

Неделя

Неделя 1

3 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.

3 ч. на завершение

11 видео ((всего 62 мин.)), 1 материал для самостоятельного изучения, 4 тестов

11 видео

Course Introduction1мин

Introduction to Unsupervised Learning - Part 18мин

Introduction to Unsupervised Learning - Part 24мин

Introduction to Clustering1мин

K-Means - Part 13мин

K-Means - Part 23мин

K-Means - Part 34мин

K-Means - Part 44мин

K Means Notebook - Part 19мин

K Means Notebook - Part 26мин

K Means Notebook - Part 313мин

1 материал для самостоятельного изучения

Summary10мин

3 практических упражнения

Introduction to Unsupervised Learning10мин

K Means Clustering10мин

End of Module20мин

Неделя

Неделя 2

5 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.

5 ч. на завершение

16 видео ((всего 143 мин.)), 1 материал для самостоятельного изучения, 6 тестов

16 видео

Distance Metrics - Part 13мин

Distance Metrics - Part 26мин

Curse of Dimensionality Notebook - Part 111мин

Curse of Dimensionality Notebook - Part 212мин

Curse of Dimensionality Notebook - Part 312мин

Curse of Dimensionality Notebook - Part 410мин

Hierarchical Agglomerative Clustering - Part 13мин

Hierarchical Agglomerative Clustering - Part 29мин

DBSCAN - Part 15мин

DBSCAN - Part 28мин

Mean Shift9мин

Comparing Algorithms11мин

Clustering Notebook - Part 114мин

Clustering Notebook - Part 26мин

Clustering Notebook - Part 37мин

Clustering Notebook - Part 411мин

1 материал для самостоятельного изучения

Summary10мин

4 практических упражнения

Distance Metrics10мин

Clustering Algorithms10мин

Comparing Clustering Algorithms10мин

End of Module10мин

Неделя

Неделя 3

5 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.

5 ч. на завершение

9 видео ((всего 88 мин.)), 2 материалов для самостоятельного изучения, 5 тестов

9 видео

Dimensionality Reduction - Part 114мин

Dimensionality Reduction - Part 26мин

PCA Notebook - Part 111мин

Dimensionality Reduction Notebook - Part 212мин

Dimensionality Reduction Notebook - Part 311мин

Non Negative Matrix Factorization9мин

Non Negative Matrix Factorization Notebook - Part 18мин

Non Negative Matrix Factorization Notebook - Part 26мин

Dimensionality Reduction Imaging Example7мин

2 материала для самостоятельного изучения

Non Negative Matrix Factorization (Activity)2мин

Summary10мин

3 практических упражнения

Dimensionality Reduction5мин

Non Negative Matrix Factorization10мин

End of Module10мин

Рецензии

4.7

Рецензии: 30

5 stars
80,68 %
4 stars
13,10 %
3 stars
2,75 %
2 stars
2,06 %
1 star
1,37 %

Лучшие отзывы о курсе UNSUPERVISED MACHINE LEARNING

от партнера NW25 дек. 2020 г.

Great course for learning about Unsupervised Learning

от партнера MK21 февр. 2022 г.

Thank you Coursera.

Thank you IBM.

Thank you to all instructors.

от партнера KD11 апр. 2022 г.

Awesome and wholesome explaination of the concepts

от партнера AV5 июля 2021 г.

Great course. Maybe there is one instance of wrong answer in one of the quizzes. Everything elese is perfect. Thanks IBM !

Посмотреть все отзывы

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, оформив подписку на сертификацию?
Записавшись на курс, вы получите доступ ко всем курсам в сертификации, а также возможность получить сертификат о его прохождении. 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.
What is the refund policy?
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

Остались вопросы? Посетите Центр поддержки учащихся.

Unsupervised Machine Learning

Об этом курсе

Приобретаемые навыки