Discover the basic concepts of cluster analysis, and then study a set of typical clustering methodologies, algorithms, and applications. This includes partitioning methods such as k-means, hierarchical methods such as BIRCH, and density-based methods such as DBSCAN/OPTICS. Moreover, learn methods for clustering validation and evaluation of clustering quality. Finally, see examples of cluster analysis in applications.
제공자:
데이터 마이닝 특화 과정일리노이대학교 어버너-섐페인캠퍼스이 강좌에 대하여
최근 조회 20,770회
학습자 경력 결과
25%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
17%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
33%
가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 6개 강좌 중 5번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 17시간 필요
영어
자막: 아랍어, 프랑스어, 포르투갈어 (유럽), 중국어 (간체자), 이탈리아어, 베트남어, 한국어, 독일어, 러시아어, 터키어, 영어, 스페인어
귀하가 습득할 기술
Cluster AnalysisData Clustering AlgorithmsK-Means ClusteringHierarchical Clustering
학습자 경력 결과
25%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
17%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
33%
가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 6개 강좌 중 5번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 17시간 필요
영어
자막: 아랍어, 프랑스어, 포르투갈어 (유럽), 중국어 (간체자), 이탈리아어, 베트남어, 한국어, 독일어, 러시아어, 터키어, 영어, 스페인어
제공자:
일리노이대학교 어버너-섐페인캠퍼스
The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.
석사 학위 취득 시작
This 강좌 is part of the 100% online Master in Computer Science from 일리노이대학교 어버너-섐페인캠퍼스.
If you are admitted to the full program, your courses count towards your degree learning.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 2시간 필요
Course Orientation
You will become familiar with the course, your classmates, and our learning environment. The orientation will also help you obtain the technical skills required for the course.
완료하는 데 2시간 필요
1개 동영상 (총 7분), 3 개의 읽기 자료, 1 개의 테스트
1개의 동영상
3개의 읽기 자료
Syllabus10m
About the Discussion Forums10m
Social Media10m
1개 연습문제
Orientation Quiz30m
완료하는 데 2시간 필요
Module 1
완료하는 데 2시간 필요
13개 동영상 (총 65분), 2 개의 읽기 자료, 2 개의 테스트
13개의 동영상
1.2. Applications of Cluster Analysis2m
1.3 Requirements and Challenges5m
1.4 A Multi-Dimensional Categorization2m
1.5 An Overview of Typical Clustering Methodologies6m
1.6 An Overview of Clustering Different Types of Data6m
1.7 An Overview of User Insights and Clustering3m
2.1 Basic Concepts: Measuring Similarity between Objects3m
2.2 Distance on Numeric Data Minkowski Distance7m
2.3 Proximity Measure for Symetric vs Asymmetric Binary Variables4m
2.4 Distance between Categorical Attributes Ordinal Attributes and Mixed Types4m
2.5 Proximity Measure between Two Vectors Cosine Similarity2m
2.6 Correlation Measures between Two variables Covariance and Correlation Coefficient13m
2개의 읽기 자료
Lesson 1 Overview10m
Lesson 2 Overview10m
2개 연습문제
Lesson 1 Quiz30m
Lesson 2 Quiz30m
완료하는 데 5시간 필요
Week 2
완료하는 데 5시간 필요
15개 동영상 (총 78분), 3 개의 읽기 자료, 2 개의 테스트
15개의 동영상
3.2 K-Means Clustering Method9m
3.3 Initialization of K-Means Clustering4m
3.4 The K-Medoids Clustering Method6m
3.5 The K-Medians and K-Modes Clustering Methods6m
3.6 Kernel K-Means Clustering8m
4.1 Hierarchical Clustering Methods1m
4.2 Agglomerative Clustering Algorithms8m
4.3 Divisive Clustering Algorithms3m
4.4 Extensions to Hierarchical Clustering3m
4.5 BIRCH: A Micro-Clustering-Based Approach7m
ClusterEnG Overview5m
ClusterEnG: K-Means and K-Medoids3m
ClusterEnG Application: AGNES4m
ClusterEnG Application: DBSCAN2m
3개의 읽기 자료
Lesson 3 Overview10m
Lesson 4 Part 1 Overview10m
ClusterEnG Introduction10m
1개 연습문제
Lesson 3 Quiz30m
완료하는 데 2시간 필요
Week 3
완료하는 데 2시간 필요
9개 동영상 (총 53분), 2 개의 읽기 자료, 2 개의 테스트
9개의 동영상
4.7 CHAMELEON: Graph Partitioning on the KNN Graph of the Data8m
4.8 Probabilistic Hierarchical Clustering7m
5.1 Density-Based and Grid-Based Clustering Methods1m
5.2 DBSCAN: A Density-Based Clustering Algorithm8m
5.3 OPTICS: Ordering Points To Identify Clustering Structure9m
5.4 Grid-Based Clustering Methods3m
5.5 STING: A Statistical Information Grid Approach3m
5.6 CLIQUE: Grid-Based Subspace Clustering7m
2개의 읽기 자료
Lesson 4 Part 2 Overview10m
Lesson 5 Overview10m
2개 연습문제
Lesson 4 Quiz30m
Lesson 5 Quiz30m
완료하는 데 5시간 필요
Week 4
완료하는 데 5시간 필요
10개 동영상 (총 57분), 1 개의 읽기 자료, 2 개의 테스트
10개의 동영상
6.2 Clustering Evaluation Measuring Clustering Quality2m
6.3 Constraint-Based Clustering4m
6.4 External Measures 1: Matching-Based Measures10m
6.5 External Measure 2: Entropy-Based Measures7m
6.6 External Measure 3: Pairwise Measures6m
6.7 Internal Measures for Clustering Validation7m
6.8 Relative Measures5m
6.9 Cluster Stability6m
6.10 Clustering Tendency5m
1개의 읽기 자료
Lesson 6 Overview10m
1개 연습문제
Lesson 6 Quiz30m
완료하는 데 25분 필요
Course Conclusion
In the course conclusion, feel free to share any thoughts you have on this course experience.
완료하는 데 25분 필요
검토
CLUSTER ANALYSIS IN DATA MINING의 최상위 리뷰
GL 제공2018년 1월 25일
This is a very good course covering all area of clustering. The only thing I feel a little struggle is some algorithm explained too brief, I prefer some detail step by step examples.
DB 제공2019년 3월 9일
Useful theory. It will be challenging for non-math students. and also lecturer's native language influence iis going to be challening as well to follow along.
ES 제공2018년 12월 17일
This was my favorite course in the whole specialization. Everything is explained very concisely and clearly making the subject matter very easy to understand.
UG 제공2019년 4월 27일
Its Good but explanations can done much better, rest all good in terms of study material, quiz ,and programming assignment.
데이터 마이닝 특화 과정 정보
The Data Mining Specialization teaches data mining techniques for both structured data which conform to a clearly defined schema, and unstructured data which exist in the form of natural language text. Specific course topics include pattern discovery, clustering, text retrieval, text mining and analytics, and data visualization. The Capstone project task is to solve real-world data mining challenges using a restaurant review data set from Yelp.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
Is financial aid available?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
