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:
About this Course
최근 조회 16,780회
Learner Career Outcomes
25%
이 강좌를 수료한 후 새로운 경력 시작하기
17%
이 강좌를 통해 확실한 경력상 이점 얻기
33%
급여 인상 또는 승진하기
귀하가 습득할 기술
Cluster AnalysisData Clustering AlgorithmsK-Means ClusteringHierarchical Clustering
Learner Career Outcomes
25%
이 강좌를 수료한 후 새로운 경력 시작하기
17%
이 강좌를 통해 확실한 경력상 이점 얻기
33%
급여 인상 또는 승진하기
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 전문 분야의 6개 강좌 중 5번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 14시간 필요
영어
자막: 영어, 한국어
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 1시간 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 1시간 필요
1개 동영상 (총 7분), 3 readings, 1 quiz
1개의 동영상
3개의 읽기 자료
Syllabus10m
About the Discussion Forums10m
Social Media10m
1개 연습문제
Orientation Quiz10m
완료하는 데 2시간 필요
Module 1
완료하는 데 2시간 필요
13개 동영상 (총 65분), 2 readings, 2 quizzes
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 Quiz8m
Lesson 2 Quiz12m
완료하는 데 5시간 필요
Week 2
완료하는 데 5시간 필요
15개 동영상 (총 78분), 3 readings, 2 quizzes
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 Quiz10m
완료하는 데 1시간 필요
Week 3
완료하는 데 1시간 필요
9개 동영상 (총 53분), 2 readings, 2 quizzes
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 Quiz8m
Lesson 5 Quiz8m
완료하는 데 4시간 필요
Week 4
완료하는 데 4시간 필요
10개 동영상 (총 57분), 1 reading, 2 quizzes
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 Quiz8m
완료하는 데 20분 필요
Course Conclusion
In the course conclusion, feel free to share any thoughts you have on this course experience.
완료하는 데 20분 필요
4.4
43개의 리뷰
Cluster Analysis in Data Mining의 최상위 리뷰
This was my favorite course in the whole specialization. Everything is explained very concisely and clearly making the subject matter very easy to understand.
Good course for understanding the Cluster Analysis & Algorithms, instructor is very experienced and well explained, thanks
강사
Jiawei Han
Abel Bliss ProfessorDepartment of Computer Science
석사 학위 취득 시작
이 강좌은(는) 일리노이대학교 어버너-섐페인캠퍼스의 100% 온라인 Master in Computer Science 중 일부입니다.
전체 프로그램을 수료하면 귀하의 강좌가 학위 취득에 반영됩니다.
일리노이대학교 어버너-섐페인캠퍼스 정보
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.
데이터 마이닝 전문 분야 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.
Courses 2 - 5 of this Specialization form the lecture component of courses in the online Master of Computer Science Degree in Data Science. You can apply to the degree program either before or after you begin the Specialization.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
강좌에 등록하면 바로 모든 비디오, 테스트 및 프로그래밍 과제(해당하는 경우)에 접근할 수 있습니다. 상호 첨삭 과제는 이 세션이 시작된 경우에만 제출하고 검토할 수 있습니다. 강좌를 구매하지 않고 살펴보기만 하면 특정 과제에 접근하지 못할 수 있습니다.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.
환불 규정은 어떻게 되나요?
재정 지원을 받을 수 있나요?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.