Dieser Kurs behandelt die wichtigsten Techniken des Data Mining, darunter die Analyse häufiger Muster, Klassifizierung, Clustering, Ausreißeranalyse sowie das Mining komplexer Daten und die Grenzen der Forschung im Bereich Data Mining.
Data Mining Methoden
Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.
Data Mining Methoden
Dieser Kurs ist Teil von Spezialisierung Data Mining - Grundlagen und Praxis
Dozent: Qin (Christine) Lv
6.395 bereits angemeldet
Bei 
enthalten
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.1
(31 Bewertungen)
Stufe Mittel
Empfohlene Erfahrung
Flexibler Zeitplan
Ca. 24 Stunden
In Ihrem eigenen Lerntempo lernen
Auf einen Abschluss hinarbeiten
Was Sie lernen werden
Identifizieren Sie die Kernfunktionen der Datenmodellierung in der Data Mining Pipeline
Wenden Sie Techniken an, die zur Erfüllung der Kernfunktionen der Datenmodellierung verwendet werden können, und erklären Sie, wie sie funktionieren.
Bewerten Sie Datenmodellierungstechniken, bestimmen Sie, welche für eine bestimmte Aufgabe am besten geeignet ist, und ermitteln Sie mögliche Verbesserungen.
Kompetenzen, die Sie erwerben
- Kategorie: ausreißeranalyse
- Kategorie: klassifizierung
- Kategorie: modellbewertung
- Kategorie: analyse häufiger Muster
- Kategorie: clustering
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Unterrichtet in Englisch
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Data Mining - Grundlagen und Praxis
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 4 Module
Diese Woche beginnt mit einem Überblick über diesen Kurs, Data-Mining-Methoden, und konzentriert sich dann auf die Analyse häufiger Muster, einschließlich des Apriori-Algorithmus und des FP-Growth-Algorithmus für das Mining häufiger Datensätze, sowie auf Assoziationsregeln und Korrelationsanalysen.
Das ist alles enthalten
15 Videos3 Lektüren1 Programmieraufgabe1 Diskussionsthema
Diese Woche führt in das überwachte Lernen, die Klassifizierung und die Vorhersage ein und behandelt verschiedene zentrale Klassifizierungsmethoden wie die Induktion von Entscheidungsbäumen, die Bayes'sche Klassifizierung, Support Vector Machines, neuronale Netze und Ensemble-Methoden. Außerdem werden die Bewertung und der Vergleich von Klassifizierungsmodellen besprochen.
Das ist alles enthalten
9 Videos1 Programmieraufgabe
Diese Woche führt Sie in das unüberwachte Lernen und das Clustering ein und behandelt verschiedene zentrale Clustering-Methoden wie Partitionierung, hierarchisches, gitterbasiertes, dichtebasiertes und probabilistisches Clustering. Außerdem werden fortgeschrittene Themen für hochdimensionales Clustering, Bi-Clustering, Graphen-Clustering und Constraint-basiertes Clustering behandelt.
Das ist alles enthalten
8 Videos1 Lektüre1 Programmieraufgabe
In dieser Woche werden drei verschiedene Arten von Ausreißern (globale, kontextbezogene und kollektive Ausreißer) besprochen und wie verschiedene Methoden zur Identifizierung und Analyse solcher Ausreißer verwendet werden können. Außerdem werden einige fortgeschrittene Methoden zur Auswertung komplexer Daten sowie die Grenzen der Forschung im Bereich Data Mining behandelt.
Das ist alles enthalten
8 Videos1 peer review
Dozent
Lehrkraftbewertungen
3.6 (6 Bewertungen)
Empfohlen, wenn Sie sich für Datenanalyse interessieren
University of Colorado Boulder
Stanford University
University of Washington
Auf einen Abschluss hinarbeiten
Dieses Kurs ist Teil des/der folgenden Studiengangs/Studiengänge, die von University of Colorado Boulderangeboten werden. Wenn Sie zugelassen werden und sich immatrikulieren, können Ihre abgeschlossenen Kurse auf Ihren Studienabschluss angerechnet werden und Ihre Fortschritte können mit Ihnen übertragen werden.¹
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Ein Cross-Listed-Kurs wird unter zwei oder mehr CU Boulder-Studiengängen auf Coursera angeboten. Zum Beispiel wird Dynamic Programming, Greedy Algorithms sowohl als CSCA 5414 für den MS-CS als auch als DTSA 5503 für den MS-DS angeboten.
- Sie können nicht für mehr als eine Version eines überkreuzten Kurses Punkte sammeln.
- Sie können im Studentenhandbuch Ihres Studiengangs nachsehen, ob es sich um einen Cross-Listed-Kurs handelt.
- Ihr Zeugnis wird davon betroffen sein. Überschneidende Kurse werden bei der Bewertung der Abschlussanforderungen als gleichwertig betrachtet. Wir empfehlen Ihnen jedoch, die von Ihrem Studiengang angebotenen Kurse zu belegen (sofern verfügbar), um sicherzustellen, dass Ihr CU-Zeugnis den erheblichen Umfang der Kursarbeit widerspiegelt, die Sie direkt in Ihrem Heimatfachbereich absolvieren. Alle Kurse, die Sie in einem anderen Studiengang absolvieren, werden auf Ihrem CU-Zeugnis mit dem Kurspräfix des betreffenden Studiengangs aufgeführt (z.B. DTSA vs. CSCA).
- Die Programme können unterschiedliche Mindestanforderungen für die Zulassung und den Abschluss haben. Der MS-DS erfordert zum Beispiel ein C oder besser in allen Kursen für den Abschluss (und ein 3,0 Pathway GPA für die Zulassung), während der MS-CS ein B oder besser in allen Breitenkursen und ein C oder besser in allen Wahlkursen für den Abschluss erfordert (und ein B oder besser in jedem Pathway-Kurs für die Zulassung). Alle Programme verlangen, dass die Studenten für die Zulassung und den Abschluss einen kumulativen GPA von 3,0 erreichen.
Ja. Überkreuzte Kurse werden bei der Bewertung der Abschlussanforderungen als gleichwertig betrachtet. Sie können im Studentenhandbuch Ihres Studiengangs nachsehen, welche Kurse auf der Liste stehen.
Sie können während jeder offenen Einschreibungsperiode ein Upgrade durchführen und die Studiengebühren bezahlen, um eine Anrechnung für << diesen Kurs / diese Kurse in dieser Specialization>> auf Graduate-Ebene der CU Boulder zu erhalten. Da << dieser Kurs / diese Kurse >> sowohl im MS in Computer Science als auch im MS in Data Science Programm aufgelistet sind, müssen Sie vor dem Upgrade festlegen, für welches Programm Sie die Credits erwerben möchten.
MS in Data Science (MS-DS) Credit: Um ein Upgrade auf die anrechenbare Data Science (DTSA)-Version von << diesem Kurs / diesen Kursen >> durchzuführen, verwenden Sie das MS-DS-Anmeldeformular. Siehe Wie es funktioniert.
MS in Computer Science (MS-CS) Credit : Um auf die anrechenbare Computer Science (CSCA) Version von << diesem Kurs / diesen Kursen >> umzusteigen, verwenden Sie das MS-CS Anmeldeformular. Siehe Wie es funktioniert.
Wenn Sie sich nicht sicher sind, welches Programm für Sie am besten geeignet ist, sehen Sie sich die Websites der MS-CS und MS-DS Programme an und kontaktieren Sie datascience@colorado.edu oder mscscoursera-info@colorado.edu, wenn Sie noch Fragen haben.