이 강좌에 대하여

최근 조회 129,562
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
초급 단계

You will need mathematical and statistical knowledge and skills at least at high-school level.

완료하는 데 약 30시간 필요
영어
자막: 영어

배울 내용

  • Define and explain the key concepts of data clustering

  • Demonstrate understanding of the key constructs and features of the Python language.

  • Implement in Python the principle steps of the K-means algorithm.

  • Design and execute a whole data clustering workflow and interpret the outputs.

귀하가 습득할 기술

K-Means ClusteringMachine LearningProgramming in Python
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
초급 단계

You will need mathematical and statistical knowledge and skills at least at high-school level.

완료하는 데 약 30시간 필요
영어
자막: 영어

제공자:

런던 대학교 로고

런던 대학교

골드스미스 대학교 로고

골드스미스 대학교

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가Thumbs Up94%(3,950개의 평가)Info
1

1

완료하는 데 7시간 필요

Week 1: Foundations of Data Science: K-Means Clustering in Python

완료하는 데 7시간 필요
9개 동영상 (총 22분)
9개의 동영상
Introduction to Data Science2m
What is Data?1m
Types of Data1m
Machine Learning3m
Supervised vs Unsupervised Learning2m
K-Means Clustering4m
Preparing your Data1m
A Real World Dataset53
4개 연습문제
Types of Data – Review Information15m
Supervised vs Unsupervised – Review Information15m
K-Means Clustering – Review Information30m
Week 1 Summative Assessment40m
2

2

완료하는 데 4시간 필요

Week 2: Means and Deviations in Mathematics and Python

완료하는 데 4시간 필요
11개 동영상 (총 37분), 4 개의 읽기 자료, 11 개의 테스트
11개의 동영상
2.1 – Introduction to Mathematical Concepts of Data Clustering1m
2.2 – Mean of One Dimensional Lists2m
2.3 – Variance and Standard Deviation3m
2.4 Jupyter Notebooks6m
2.5 Variables4m
2.6 Lists4m
2.7 Computing the Mean3m
2.8 Better Lists: NumPy3m
2.9 Computing the Standard Deviation6m
Week 2 Conclusion31
4개의 읽기 자료
Population vs Sample, Bias10m
Variability, Standard Deviation and Bias10m
Python Style Guide10m
Numpy and Array Creation20m
10개 연습문제
Population vs Sample – Review Information5m
Mean of One Dimensional Lists – Review Information3m
Variance and Standard Deviation – Review Information4m
Jupyter Notebooks – Review Information20m
Variables – Review Information10m
Lists – Review Information10m
Computing the Mean – Review Information10m
Better Lists – Review Information10m
Computing the Standard Deviation – Review Information10m
Week 2 Summative Assessment40m
3

3

완료하는 데 4시간 필요

Week 3: Moving from One to Two Dimensional Data

완료하는 데 4시간 필요
16개 동영상 (총 53분), 10 개의 읽기 자료, 15 개의 테스트
16개의 동영상
3.1 Multidimensional Data Points and Features2m
3.2 Multidimensional Mean2m
3.3 Dispersion: Multidimensional Variables3m
3.4 Distance Metrics5m
3.5 Normalisation1m
3.6 Outliers1m
3.7 Basic Plotting2m
3.7a Storing 2D Coordinates in a Single Data Structure6m
3.8 Multidimensional Mean4m
3.9 Adding Graphical Overlays5m
3.10 Calculating the Distance to the Mean3m
3.11 List Comprehension3m
3.12 Normalisation in Python5m
3.13 Outliers and Plotting Normalised Data2m
Week 3 Conclusion30
10개의 읽기 자료
Multidimensional Data Points and Features Recap10m
Multidimensional Mean Recap10m
Multidimensional Variables Recap10m
Distance Metrics Recap10m
Normalisation Recap10m
Note on Matplotlib10m
Matplotlib Scatter Plot Documentation20m
Matplotlib Patches Documentation10m
List Comprehension Documentation20m
3.12 Errata10m
15개 연습문제
Multidimensional Data Points and Features – Review Information3m
Multidimensional Mean – Review Information3m
Dispersion: Multidimensional Variables – Review Information5m
Distance Metrics – Review Information6m
Normalisation – Review Information3m
Outliers – Review Information4m
Basic Plotting – Review Information5m
Storing 2D Coordinates – Review Information4m
Multidimensional Mean – Review Information4m
Adding Graphical Overlays – Review Information6m
Calculating Distance – Review Information6m
List Comprehension – Review Information4m
Normalisation in Python – Review Information4m
Outliers – Review Information2m
Week 3 Summative Assessment25m
4

4

완료하는 데 5시간 필요

Week 4: Introducing Pandas and Using K-Means to Analyse Data

완료하는 데 5시간 필요
8개 동영상 (총 37분), 6 개의 읽기 자료, 8 개의 테스트
8개의 동영상
4.1: Using the Pandas Library to Read csv Files5m
4.1a: Sorting and Filtering Data Using Pandas8m
4.1b: Labelling Points on a Graph4m
4.1c: Labelling all the Points on a Graph3m
4.2: Eyeballing the Data5m
4.3: Using K-Means to Interpret the Data8m
Week 4: Conclusion35
6개의 읽기 자료
Week 4 Code Resources5m
Pandas Read_CSV Function15m
More Pandas Library Documentation10m
The Pyplot Text Function10m
For Loops in Python10m
Documentation for sklearn.cluster.KMeans10m
7개 연습문제
Using the Pandas Library to Read csv Files – Review Information5m
Sorting and Filtering Data Using Pandas – Review Information10m
Labelling Points on a Graph – Review Information5m
Labelling all the Points on a Graph – Review Information5m
Eyeballing the Data – Review Information5m
Using K-Means to Interpret the Data – Review Information5m
Week 4 Summative Assessment40m

검토

FOUNDATIONS OF DATA SCIENCE: K-MEANS CLUSTERING IN PYTHON의 최상위 리뷰

모든 리뷰 보기

자주 묻는 질문

  • 강의 및 과제 이용 권한은 등록 유형에 따라 다릅니다. 청강 모드로 강좌를 수강하면 대부분의 강좌 자료를 무료로 볼 수 있습니다. 채점된 과제를 이용하고 수료증을 받으려면 청강 도중 또는 이후에 수료증 경험을 구매해야 합니다. 청강 옵션이 표시되지 않는 경우:

    • 강좌에서 청강 옵션을 제공하지 않을 수 있습니다. 대신 무료 평가판을 사용하거나 재정 지원을 신청할 수 있습니다.
  • 수료증을 구매하면 성적 평가 과제를 포함한 모든 강좌 자료에 접근할 수 있습니다. 강좌를 완료하면 전자 수료증이 성취도 페이지에 추가되며, 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 콘텐츠만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.

  • 결제일 기준 2주 후 또는 (방금 시작된 강좌의 경우) 강좌의 첫 번째 세션이 시작된 후 2주 후 중에서 나중에 도래하는 날짜까지 전액 환불받을 수 있습니다. 2주 환불 기간 이내에 강좌를 완료했더라도 강좌 수료증을 받았으면 환불받을 수 없습니다. 전체 환불 정책을 확인하세요.

  • 예, Coursera는 수업료를 지급하기 어려운 학습자들에게 재정 지원을 제공합니다. 왼쪽의 "등록" 버튼 아래에 있는 재정 지원 링크를 클릭하면 재정 지원을 신청할 수 있습니다. 이 링크를 클릭하면 신청서를 작성하라는 메시지가 나타나며, 신청서가 승인되면 통지를 받게 됩니다. 자세히 알아보세요.

  • 이 강좌는 대학 학점을 제공하지 않지만, 일부 대학에서 선택적으로 강좌 수료증을 학점으로 인정할 수도 있습니다. 자세한 내용은 해당 기관에 문의하세요. Coursera의 온라인 학위Mastertrack™ 수료증은 대학 학점을 취득할 기회를 제공합니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.