Ce cours fait partie de la Spécialisation Exploration de données

4.5
étoiles
393 évaluations

89 %

Jiawei Han

38 949 déjà inscrits

Offert par

Dans le cadre du diplôme Master in Computer Science

Spécialisation Exploration de données Université de l'Illinois à Urbana-Champaign

À propos de ce cours

7 215 consultations récentes

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.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 5 sur 6 dans le

Spécialisation Exploration de données

Approx. 17 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Coréen, Allemand, Russe, Anglais, Espagnol

Compétences que vous acquerrez

Cluster Analysis
Data Clustering Algorithms
K-Means Clustering
Hierarchical Clustering

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 5 sur 6 dans le

Spécialisation Exploration de données

Approx. 17 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Coréen, Allemand, Russe, Anglais, Espagnol

Enseignant

Évaluation de l'enseignant

4,09/5 (23 évaluations)

Jiawei Han

Abel Bliss Professor

Department of Computer Science

60 525 étudiants

4 cours

Offert par

Université de l'Illinois à Urbana-Champaign

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.

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(e) au programme complet, vos cours sont pris en compte dans votre apprentissage diplômant.

Programme de cours : ce que vous apprendrez dans ce cours

Évaluation du contenu89%(1,294 évaluations)

Semaine

Semaine 1

2 heures pour terminer

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.

2 heures pour terminer

1 vidéo (Total 7 min), 3 lectures, 1 quiz

2 heures pour terminer

Module 1

2 heures pour terminer

13 vidéos (Total 65 min), 2 lectures, 2 quiz

13 vidéos

1.1. What is Cluster Analysis2 min

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

Semaine 2

5 heures pour terminer

Week 2

5 heures pour terminer

15 vidéos (Total 78 min), 3 lectures, 2 quiz

15 vidéos

3.1 Partitioning-Based Clustering Methods3 min

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

Semaine 3

2 heures pour terminer

Week 3

2 heures pour terminer

9 vidéos (Total 53 min), 2 lectures, 2 quiz

9 vidéos

4.6 CURE: Clustering Using Well-Scattered Representatives4 min

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

Semaine 4

5 heures pour terminer

Week 4

5 heures pour terminer

10 vidéos (Total 57 min), 1 lecture, 2 quiz

10 vidéos

6.1 Methods for Clustering Validation1 min

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

25 minutes pour terminer

Course Conclusion

In the course conclusion, feel free to share any thoughts you have on this course experience.

25 minutes pour terminer

Avis

4.5

62 avis

5 stars
66,58 %
4 stars
23,29 %
3 stars
5,56 %
2 stars
2,02 %
1 star
2,53 %

Meilleurs avis pour PARTITIONNEMENT DE DONNÉES

par UG27 avr. 2019

Its Good but explanations can done much better, rest all good in terms of study material, quiz ,and programming assignment.

par CA3 oct. 2020

Awesome !!! Great course about clustering analysis.

par GL25 janv. 2018

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.

par PR27 juil. 2020

Covers great deal of topics and various aspects of clustering

Voir tous les avis

À propos du Spécialisation Exploration de données

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.

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

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

Partitionnement de données

À propos de ce cours

Compétences que vous acquerrez

Enseignant

Jiawei Han

Offert par

Université de l'Illinois à Urbana-Champaign

Commencez à travailler pour obtenir votre master

Programme de cours : ce que vous apprendrez dans ce cours

Semaine 1

Course Orientation

Module 1

Semaine 2

Week 2

Semaine 3

Week 3

Semaine 4

Week 4

Course Conclusion

Avis

Meilleurs avis pour PARTITIONNEMENT DE DONNÉES

À propos du Spécialisation Exploration de données

Foire Aux Questions

Commencez ou faites progresser votre carrière

Parcourez les sujets populaires

Cours et articles populaires

Obtenez un diplôme ou un certificat en ligne

Coursera

Communauté

Plus

Partitionnement de données

À propos de ce cours

Compétences que vous acquerrez

Enseignant

Jiawei Han

Offert par

Université de l'Illinois à Urbana-Champaign

Commencez à travailler pour obtenir votre master

Programme de cours : ce que vous apprendrez dans ce cours

Semaine 1

Course Orientation

Module 1

Semaine 2

Week 2

Semaine 3

Week 3

Semaine 4

Week 4

Course Conclusion

Avis

Meilleurs avis pour PARTITIONNEMENT DE DONNÉES

À propos du Spécialisation Exploration de données

Foire Aux Questions

Coursera Footer

Commencez ou faites progresser votre carrière

Parcourez les sujets populaires

Cours et articles populaires

Obtenez un diplôme ou un certificat en ligne

Coursera

Communauté

Plus