À propos de ce cours

29,638 consultations récentes

Résultats de carrière des étudiants

25%

ont commencé une nouvelle carrière après avoir terminé ce cours

17%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

33%

a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 16 heures pour terminer
Anglais

Compétences que vous acquerrez

Cluster AnalysisData Clustering AlgorithmsK-Means ClusteringHierarchical Clustering

Résultats de carrière des étudiants

25%

ont commencé une nouvelle carrière après avoir terminé ce cours

17%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

33%

a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 16 heures pour terminer
Anglais

Enseignant

Offert par

Placeholder

Université de l'Illinois à Urbana-Champaign

Commencez à travailler pour obtenir votre master

Ce cours fait partie du diplôme intégralement en ligne Master in Computer Science de Université de l'Illinois à Urbana-Champaign. Si vous êtes admis au programme complet, vos cours seront pris en compte dans votre apprentissage diplômant.

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up89%(1,204 notes)Info
Semaine
1

Semaine 1

1 heure pour terminer

Course Orientation

1 heure pour terminer
1 vidéo (Total 7 min), 3 lectures, 1 quiz
1 vidéo
3 lectures
Syllabus10 min
About the Discussion Forums10 min
Social Media10 min
1 exercice pour s'entraîner
Orientation Quiz30 min
2 heures pour terminer

Module 1

2 heures pour terminer
13 vidéos (Total 65 min), 2 lectures, 2 quiz
13 vidéos
1.2. Applications of Cluster Analysis2 min
1.3 Requirements and Challenges5 min
1.4 A Multi-Dimensional Categorization2 min
1.5 An Overview of Typical Clustering Methodologies6 min
1.6 An Overview of Clustering Different Types of Data6 min
1.7 An Overview of User Insights and Clustering3 min
2.1 Basic Concepts: Measuring Similarity between Objects3 min
2.2 Distance on Numeric Data Minkowski Distance7 min
2.3 Proximity Measure for Symetric vs Asymmetric Binary Variables4 min
2.4 Distance between Categorical Attributes Ordinal Attributes and Mixed Types4 min
2.5 Proximity Measure between Two Vectors Cosine Similarity2 min
2.6 Correlation Measures between Two variables Covariance and Correlation Coefficient13 min
2 lectures
Lesson 1 Overview10 min
Lesson 2 Overview10 min
2 exercices pour s'entraîner
Lesson 1 Quiz30 min
Lesson 2 Quiz30 min
Semaine
2

Semaine 2

5 heures pour terminer

Week 2

5 heures pour terminer
15 vidéos (Total 78 min), 3 lectures, 2 quiz
15 vidéos
3.2 K-Means Clustering Method9 min
3.3 Initialization of K-Means Clustering4 min
3.4 The K-Medoids Clustering Method6 min
3.5 The K-Medians and K-Modes Clustering Methods6 min
3.6 Kernel K-Means Clustering8 min
4.1 Hierarchical Clustering Methods1 min
4.2 Agglomerative Clustering Algorithms8 min
4.3 Divisive Clustering Algorithms3 min
4.4 Extensions to Hierarchical Clustering3 min
4.5 BIRCH: A Micro-Clustering-Based Approach7 min
ClusterEnG Overview5 min
ClusterEnG: K-Means and K-Medoids3 min
ClusterEnG Application: AGNES4 min
ClusterEnG Application: DBSCAN2 min
3 lectures
Lesson 3 Overview10 min
Lesson 4 Part 1 Overview10 min
ClusterEnG Introduction10 min
1 exercice pour s'entraîner
Lesson 3 Quiz30 min
Semaine
3

Semaine 3

2 heures pour terminer

Week 3

2 heures pour terminer
9 vidéos (Total 53 min), 2 lectures, 2 quiz
9 vidéos
4.7 CHAMELEON: Graph Partitioning on the KNN Graph of the Data8 min
4.8 Probabilistic Hierarchical Clustering7 min
5.1 Density-Based and Grid-Based Clustering Methods1 min
5.2 DBSCAN: A Density-Based Clustering Algorithm8 min
5.3 OPTICS: Ordering Points To Identify Clustering Structure9 min
5.4 Grid-Based Clustering Methods3 min
5.5 STING: A Statistical Information Grid Approach3 min
5.6 CLIQUE: Grid-Based Subspace Clustering7 min
2 lectures
Lesson 4 Part 2 Overview10 min
Lesson 5 Overview10 min
2 exercices pour s'entraîner
Lesson 4 Quiz30 min
Lesson 5 Quiz30 min
Semaine
4

Semaine 4

5 heures pour terminer

Week 4

5 heures pour terminer
10 vidéos (Total 57 min), 1 lecture, 2 quiz
10 vidéos
6.2 Clustering Evaluation Measuring Clustering Quality2 min
6.3 Constraint-Based Clustering4 min
6.4 External Measures 1: Matching-Based Measures10 min
6.5 External Measure 2: Entropy-Based Measures7 min
6.6 External Measure 3: Pairwise Measures6 min
6.7 Internal Measures for Clustering Validation7 min
6.8 Relative Measures5 min
6.9 Cluster Stability6 min
6.10 Clustering Tendency5 min
1 lecture
Lesson 6 Overview10 min
1 exercice pour s'entraîner
Lesson 6 Quiz30 min
20 minutes pour terminer

Course Conclusion

20 minutes pour terminer

Avis

Meilleurs avis pour PARTITIONNEMENT DE DONNÉES

Voir tous les avis

À propos du Spécialisation Exploration de données

Exploration de données

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.