Organisations all around the world are using data to predict behaviours and extract valuable real-world insights to inform decisions. Managing and analysing big data has become an essential part of modern finance, retail, marketing, social science, development and research, medicine and government. This MOOC, designed by an academic team from Goldsmiths, University of London, will quickly introduce you to the core concepts of Data Science to prepare you for intermediate and advanced Data Science courses. It focuses on the basic mathematics, statistics and programming skills that are necessary for typical data analysis tasks. You will consider these fundamental concepts on an example data clustering task, and you will use this example to learn basic programming skills that are necessary for mastering Data Science techniques. During the course, you will be asked to do a series of mathematical and programming exercises and a small data clustering project for a given dataset.
Foundations of Data Science: K-Means Clustering in Python
Offert par
Foundations of Data Science: K-Means Clustering in Python
Learner Career Outcomes
Ce que vous allez apprendre
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.
Compétences que vous acquerrez
Learner Career Outcomes
100 % en ligne
Dates limites flexibles
Niveau débutant
You will need mathematical and statistical knowledge and skills at least at high-school level.
Approx. 29 heures pour terminer
Anglais
Programme du cours : ce que vous apprendrez dans ce cours
Week 1: Foundations of Data Science: K-Means Clustering in Python
This week we will introduce you to the course and to the team who will be guiding you through the course over the next 5 weeks. The aim of this week's material is to gently introduce you to Data Science through some real-world examples of where Data Science is used, and also by highlighting some of the main concepts involved.
Week 2: Means and Deviations in Mathematics and Python
Week 3: Moving from One to Two Dimensional Data
Week 4: Introducing Pandas and Using K-Means to Analyse Data
Meilleurs avis pour Foundations of Data Science: K-Means Clustering in Python
184/5000\n\nConferences of very good quality, and the platform for practices is really useful to put the theory into practice. I recommend this course if you want to start in data science.
This course is at right level for a beginner (python and analytics) while going into details around K means clustering
Enseignants
Dr Matthew Yee-King
Lecturer
Dr Betty Fyn-Sydney
Lecturer in Mathematics
Dr Jamie A Ward
Lecturer in Computer Science
Dr Larisa Soldatova
Reader in Data ScienceÀ propos de Université de Londres
À propos de Goldsmiths, Université de Londres
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si j'achète le Certificat ?
Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est 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.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.