Об этом курсе

Недавно просмотрено: 33,538

Карьерные результаты учащихся

37%

начал новую карьеру, пройдя эти курсы

38%

получил значимые преимущества в карьере благодаря этому курсу

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.

Прибл. 46 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 5-8 hours/week...

Английский

Субтитры: Английский, Корейский, Арабский

Приобретаемые навыки

Data Clustering AlgorithmsK-Means ClusteringMachine LearningK-D Tree

Карьерные результаты учащихся

37%

начал новую карьеру, пройдя эти курсы

38%

получил значимые преимущества в карьере благодаря этому курсу

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.

Прибл. 46 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 5-8 hours/week...

Английский

Субтитры: Английский, Корейский, Арабский

Программа курса: что вы изучите

Неделя
1

Неделя 1

1 ч. на завершение

Welcome

1 ч. на завершение
4 видео ((всего 25 мин.)), 4 материалов для самостоятельного изучения
4 видео
Course overview3мин
Module-by-module topics covered8мин
Assumed background6мин
4 материала для самостоятельного изучения
Important Update regarding the Machine Learning Specialization10мин
Slides presented in this module10мин
Software tools you'll need for this course10мин
A big week ahead!10мин
Неделя
2

Неделя 2

4 ч. на завершение

Nearest Neighbor Search

4 ч. на завершение
22 видео ((всего 137 мин.)), 4 материалов для самостоятельного изучения, 5 тестов
22 видео
1-NN algorithm2мин
k-NN algorithm6мин
Document representation5мин
Distance metrics: Euclidean and scaled Euclidean6мин
Writing (scaled) Euclidean distance using (weighted) inner products4мин
Distance metrics: Cosine similarity9мин
To normalize or not and other distance considerations6мин
Complexity of brute force search1мин
KD-tree representation9мин
NN search with KD-trees7мин
Complexity of NN search with KD-trees5мин
Visualizing scaling behavior of KD-trees4мин
Approximate k-NN search using KD-trees7мин
Limitations of KD-trees3мин
LSH as an alternative to KD-trees4мин
Using random lines to partition points5мин
Defining more bins3мин
Searching neighboring bins8мин
LSH in higher dimensions4мин
(OPTIONAL) Improving efficiency through multiple tables22мин
A brief recap2мин
4 материала для самостоятельного изучения
Slides presented in this module10мин
Choosing features and metrics for nearest neighbor search10мин
(OPTIONAL) A worked-out example for KD-trees10мин
Implementing Locality Sensitive Hashing from scratch10мин
5 практического упражнения
Representations and metrics12мин
Choosing features and metrics for nearest neighbor search10мин
KD-trees10мин
Locality Sensitive Hashing10мин
Implementing Locality Sensitive Hashing from scratch10мин
Неделя
3

Неделя 3

2 ч. на завершение

Clustering with k-means

2 ч. на завершение
13 видео ((всего 79 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
13 видео
An unsupervised task6мин
Hope for unsupervised learning, and some challenge cases4мин
The k-means algorithm7мин
k-means as coordinate descent6мин
Smart initialization via k-means++4мин
Assessing the quality and choosing the number of clusters9мин
Motivating MapReduce8мин
The general MapReduce abstraction5мин
MapReduce execution overview and combiners6мин
MapReduce for k-means7мин
Other applications of clustering7мин
A brief recap1мин
2 материала для самостоятельного изучения
Slides presented in this module10мин
Clustering text data with k-means10мин
3 практического упражнения
k-means18мин
Clustering text data with K-means16мин
MapReduce for k-means10мин
Неделя
4

Неделя 4

3 ч. на завершение

Mixture Models

3 ч. на завершение
15 видео ((всего 91 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
15 видео
Aggregating over unknown classes in an image dataset6мин
Univariate Gaussian distributions2мин
Bivariate and multivariate Gaussians7мин
Mixture of Gaussians6мин
Interpreting the mixture of Gaussian terms5мин
Scaling mixtures of Gaussians for document clustering5мин
Computing soft assignments from known cluster parameters7мин
(OPTIONAL) Responsibilities as Bayes' rule5мин
Estimating cluster parameters from known cluster assignments6мин
Estimating cluster parameters from soft assignments8мин
EM iterates in equations and pictures6мин
Convergence, initialization, and overfitting of EM9мин
Relationship to k-means3мин
A brief recap1мин
4 материала для самостоятельного изучения
Slides presented in this module10мин
(OPTIONAL) A worked-out example for EM10мин
Implementing EM for Gaussian mixtures10мин
Clustering text data with Gaussian mixtures10мин
3 практического упражнения
EM for Gaussian mixtures18мин
Implementing EM for Gaussian mixtures12мин
Clustering text data with Gaussian mixtures8мин

Рецензии

Лучшие отзывы о курсе MACHINE LEARNING: CLUSTERING & RETRIEVAL
Посмотреть все отзывы

О Вашингтонский университет

Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world....

Специализация Машинное обучение: общие сведения

This Specialization from leading researchers at the University of Washington introduces you to the exciting, high-demand field of Machine Learning. Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data....
Машинное обучение

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, 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.

Остались вопросы? Посетите Центр поддержки учащихся.