The "Clustering Analysis" course introduces students to the fundamental concepts of unsupervised learning, focusing on clustering and dimension reduction techniques. Participants will explore various clustering methods, including partitioning, hierarchical, density-based, and grid-based clustering. Additionally, students will learn about Principal Component Analysis (PCA) for dimension reduction. Through interactive tutorials and practical case studies, students will gain hands-on experience in applying clustering and dimension reduction techniques to diverse datasets.
Clustering Analysis
Ce cours fait partie de Spécialisation Data Analysis with Python
Instructeur : Di Wu
1 704 déjà inscrits
Inclus avec
(10 avis)
Expérience recommandée
Ce que vous apprendrez
Understand the principles and significance of unsupervised learning, particularly clustering and dimension reduction.
Apply clustering techniques to diverse datasets for pattern discovery and data exploration.
Implement Principal Component Analysis (PCA) for dimension reduction and interpret the reduced feature space.
Compétences que vous acquerrez
- Catégorie : Data Clustering Algorithms
- Catégorie : Dimensionality Reduction
- Catégorie : K-Means Clustering
- Catégorie : Principal Component Analysis (PCA)
- Catégorie : Dbscan
Détails à connaître
Ajouter à votre profil LinkedIn
6 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 6 modules dans ce cours
This week provides an introduction to unsupervised learning and clustering analysis. You will delve into partitioning clustering methods, such as K-Means and K-Medoids, understanding their principles and applications.
Inclus
2 vidéos5 lectures1 devoir1 sujet de discussion
This week you will explore hierarchical clustering, a method that creates a tree-like structure to represent data similarities.
Inclus
1 vidéo3 lectures1 devoir1 sujet de discussion
This week focuses on density-based clustering, which groups data points based on their density within the dataset.
Inclus
1 vidéo3 lectures1 devoir1 sujet de discussion
Throughout this week, you will explore grid-based clustering, an approach that partitions the data space into grids for efficient clustering.
Inclus
1 vidéo2 lectures1 devoir1 sujet de discussion
This week introduces dimension reduction techniques as a critical preprocessing step for handling high-dimensional data.
Inclus
1 vidéo3 lectures1 devoir1 sujet de discussion
The final week focuses on a comprehensive case study where you will apply clustering and dimension reduction techniques to solve a real-world problem.
Inclus
1 lecture1 devoir1 sujet de discussion
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Data Analysis
Fractal Analytics
University of Washington
Johns Hopkins University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.
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.