제공자:

Master of Science in Accountancy (iMSA) 학위의 일부

자세히 알아보기

Predictive Analytics and Data Mining

일리노이대학교 어버너-섐페인캠퍼스

이 강좌에 대하여

최근 조회 21,667회

This course introduces students to the science of business analytics while casting a keen eye toward the artful use of numbers found in the digital space. The goal is to provide businesses and managers with the foundation needed to apply data analytics to real-world challenges they confront daily in their professional lives. Students will learn to identify the ideal analytic tool for their specific needs; understand valid and reliable ways to collect, analyze, and visualize data; and utilize data in decision making for their agencies, organizations or clients.

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 24시간 필요

영어

자막: 영어

귀하가 습득할 기술

Predictive AnalyticsDecision-Making SoftwareGeodemographic SegmentationValidated Learning

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 24시간 필요

영어

자막: 영어

강사

강사 평가

4/5 (17개의 평가)

Sridhar Seshadri

Professor of Business Administration

Business Administration

8,856명의 학습자

2 Courses

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 of Science in Accountancy (iMSA) from 일리노이대학교 어버너-섐페인캠퍼스. If you are admitted to the full program, your courses count towards your degree learning.

자세히 알아보기

강의 계획 - 이 강좌에서 배울 내용

주

주 1

완료하는 데 9시간 필요

Module 0: Get Ready & Module 1: Drowning in Data, Starving for Knowledge

This module will introduce you to the most common and important unsupervised learning technique – Clustering. You will have an understanding of different applications of clustering analysis after this module. You will also learn when we need clustering and why it is important. Then, you will be introduced to a variety of clustering methods.

완료하는 데 9시간 필요

13개 동영상 (총 104분), 11 개의 읽기 자료, 4 개의 테스트

13개의 동영상

Welcome to Predictive Analytics and Data Mining2m

Meet Professor Sridhar Seshadri1m

Rattle Installation Guidelines for Windows11m

R and Rattle Installation Instructions for Mac OS14m

Overview of Rattle7m

Lecture 1-1: Introduction to Clustering11m

Lecture 1-2: Applications of Clustering7m

Lecture 1-3: How to Cluster10m

Lecture 1-4: Introduction to K Means8m

Lecture 1-5: Hierarchical (Agglomerative) Clustering8m

Lecture 1-6: Measuring Similarity Between Clusters10m

Lecture 1-7: Real World Clustering Example6m

Lecture 1-8: Clustering Practice and Summary3m

11개의 읽기 자료

Syllabus30m

About the Discussion Forums10m

Glossary10m

Brand Descriptions10m

Update Your Profile10m

Module 0 Agenda5m

Rattle Tutorials (Interface, Windows, Mac)30m

Frequent Asked Questions10m

Module 1 Overview20m

Module 1 Readings, Data Sets, and Slides1시간 30분

Module 1 Peer Review Assignment Answer Key10m

3개 연습문제

Orientation Quiz30m

Module 1 Practice Problems10m

Module 1 Graded Quiz30m

주

주 2

완료하는 데 5시간 필요

Module 2: Decision Trees

In this module, we will discuss how to use decision trees to represent knowledge. The module concludes with a presentation of the Random Forest method that overcomes some of the limitations (such as high variance or low precision) of a single decision tree constructed from data.

완료하는 데 5시간 필요

7개 동영상 (총 65분), 3 개의 읽기 자료, 3 개의 테스트

7개의 동영상

Lecture 2-1: Introduction to Discriminative Classifiers7m

Lecture 2-2: Model Complexity7m

Lecture 2-3: Rule Based Classifiers9m

Lecture 2-4: Entropy and Decision Trees14m

Lecture 2-5: Classification Tree Example7m

Lecture 2-6: Regression Tree Example8m

Lecture 2-7: Introduction to Forests and Spam Filter Exercise9m

3개의 읽기 자료

Module 2 Overview20m

Module 2 Readings, Data Sets, and Slides30m

Module 2 Peer Review Assignment Answer Key10m

2개 연습문제

Module 2 Practice Problems30m

Module 2 Graded Quiz30m

주

주 3

완료하는 데 5시간 필요

Module 3: Rules, Rules, and More Rules

This module will focus on three key topics, namely rules, nearest neighbor methods, and Bayesian methods. Over the course of this module, you will be exposed to how rules factor into the world of data and how they play a role in the analysis of data. The second and third topics focus on the classification of data.

완료하는 데 5시간 필요

8개 동영상 (총 65분), 3 개의 읽기 자료, 3 개의 테스트

8개의 동영상

Lecture 3-1: Introduction to Rules4m

Lecture 3-2: K-Nearest Neighbor9m

Lecture 3-3: K-Nearest Neighbor Classifier3m

Lecture 3-4: Selecting the Best K in Rstudio12m

Lecture 3-5: Bayes' Rule7m

Lecture 3-6: The Naïve Bayes Trick13m

Lecture 3-7: Employee Attrition Example5m

Lecture 3-8: Employee Attrition Example in Rstudio, Exercise, and Summary9m

3개의 읽기 자료

Module 3 Overview20m

Module 3 Readings, Data Sets, and Slides30m

Module 3 Peer Review Assignment Answer Key10m

2개 연습문제

Module 3 Practice Problems10m

Module 3 Graded Quiz30m

주

주 4

완료하는 데 5시간 필요

Module 4: Model Performance and Recommendation Systems

In this module, you will study tools for recognizing what to recommend, and identify cross-sell or upsell opportunities. As the last module of the course, we will wrap up the content so far and you will get an opportunity to practice on your own and learn how to adapt these models to drive business impact in your own organizations.

완료하는 데 5시간 필요

8개 동영상 (총 68분), 3 개의 읽기 자료, 3 개의 테스트

8개의 동영상

Lecture 4-1: Introduction to Model Performance6m

Lecture 4-2: Classification Tree Example11m

Lecture 4-3: True and False Negatives8m

Lecture 4-4: Clock Example Exercise2m

Lecture 4-5: Making Recommendations13m

Lecture 4-6: Association Rule Mining6m

Lecture 4-7: Collaborative Filtering7m

Lecture 4-8: Recommendation Example in Rstudio and Summary12m

3개의 읽기 자료

Module 4 Overview20m

Module 4 Readings, Data Sets, and Slides1시간

Module 4 Peer Review Assignment Answer Key10m

2개 연습문제

Module 4 Practice Problems10m

Module 4 Graded Quiz30m

자주 묻는 질문

강의 및 과제를 언제 이용할 수 있게 되나요?
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.
이 수료증을 구매하면 무엇을 이용할 수 있나요?
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.
Is financial aid available?
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.
강좌를 수료하면 대학 학점을 받을 수 있나요?
이 강좌는 대학 학점을 제공하지 않지만, 일부 대학에서 선택적으로 강좌 수료증을 학점으로 인정할 수도 있습니다. 자세한 내용은 해당 기관에 문의하세요. Coursera의 온라인 학위 및 Mastertrack™ 수료증은 대학 학점을 취득할 기회를 제공합니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.

Predictive Analytics and Data Mining

Predictive Analytics and Data Mining

이 강좌에 대하여

귀하가 습득할 기술

강사

Sridhar Seshadri

제공자:

일리노이대학교 어버너-섐페인캠퍼스

석사 학위 취득 시작

강의 계획 - 이 강좌에서 배울 내용

주 1

Module 0: Get Ready & Module 1: Drowning in Data, Starving for Knowledge

주 2

Module 2: Decision Trees

주 3

Module 3: Rules, Rules, and More Rules

주 4

Module 4: Model Performance and Recommendation Systems

검토

PREDICTIVE ANALYTICS AND DATA MINING의 최상위 리뷰

자주 묻는 질문

인기 온라인 강좌

인기 온라인 전문 분야

온라인 수료증

온라인 학위 프로그램

Coursera

커뮤니티

기타