À propos de ce cours

132,711 consultations récentes
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.
Niveau débutant

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

Approx. 30 heures pour terminer
Anglais
Sous-titres : Anglais

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

K-Means ClusteringMachine LearningProgramming in Python
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.
Niveau débutant

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

Approx. 30 heures pour terminer
Anglais
Sous-titres : Anglais

Offert par

Logo Université de Londres

Université de Londres

Logo Goldsmiths, Université de Londres

Goldsmiths, Université de Londres

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up95%(4,148 notes)Info
Semaine
1

Semaine 1

7 heures pour terminer

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

7 heures pour terminer
9 vidéos (Total 22 min)
9 vidéos
Introduction to Data Science2 min
What is Data?1 min
Types of Data1 min
Machine Learning3 min
Supervised vs Unsupervised Learning2 min
K-Means Clustering4 min
Preparing your Data1 min
A Real World Dataset53s
4 exercices pour s'entraîner
Types of Data – Review Information15 min
Supervised vs Unsupervised – Review Information15 min
K-Means Clustering – Review Information30 min
Week 1 Summative Assessment40 min
Semaine
2

Semaine 2

4 heures pour terminer

Week 2: Means and Deviations in Mathematics and Python

4 heures pour terminer
11 vidéos (Total 37 min), 4 lectures, 11 quiz
11 vidéos
2.1 – Introduction to Mathematical Concepts of Data Clustering1 min
2.2 – Mean of One Dimensional Lists2 min
2.3 – Variance and Standard Deviation3 min
2.4 Jupyter Notebooks6 min
2.5 Variables4 min
2.6 Lists4 min
2.7 Computing the Mean3 min
2.8 Better Lists: NumPy3 min
2.9 Computing the Standard Deviation6 min
Week 2 Conclusion31s
4 lectures
Population vs Sample, Bias10 min
Variability, Standard Deviation and Bias10 min
Python Style Guide10 min
Numpy and Array Creation20 min
10 exercices pour s'entraîner
Population vs Sample – Review Information5 min
Mean of One Dimensional Lists – Review Information3 min
Variance and Standard Deviation – Review Information4 min
Jupyter Notebooks – Review Information20 min
Variables – Review Information10 min
Lists – Review Information10 min
Computing the Mean – Review Information10 min
Better Lists – Review Information10 min
Computing the Standard Deviation – Review Information10 min
Week 2 Summative Assessment40 min
Semaine
3

Semaine 3

4 heures pour terminer

Week 3: Moving from One to Two Dimensional Data

4 heures pour terminer
16 vidéos (Total 53 min), 10 lectures, 15 quiz
16 vidéos
3.1 Multidimensional Data Points and Features2 min
3.2 Multidimensional Mean2 min
3.3 Dispersion: Multidimensional Variables3 min
3.4 Distance Metrics5 min
3.5 Normalisation1 min
3.6 Outliers1 min
3.7 Basic Plotting2 min
3.7a Storing 2D Coordinates in a Single Data Structure6 min
3.8 Multidimensional Mean4 min
3.9 Adding Graphical Overlays5 min
3.10 Calculating the Distance to the Mean3 min
3.11 List Comprehension3 min
3.12 Normalisation in Python5 min
3.13 Outliers and Plotting Normalised Data2 min
Week 3 Conclusion30s
10 lectures
Multidimensional Data Points and Features Recap10 min
Multidimensional Mean Recap10 min
Multidimensional Variables Recap10 min
Distance Metrics Recap10 min
Normalisation Recap10 min
Note on Matplotlib10 min
Matplotlib Scatter Plot Documentation20 min
Matplotlib Patches Documentation10 min
List Comprehension Documentation20 min
3.12 Errata10 min
15 exercices pour s'entraîner
Multidimensional Data Points and Features – Review Information3 min
Multidimensional Mean – Review Information3 min
Dispersion: Multidimensional Variables – Review Information5 min
Distance Metrics – Review Information6 min
Normalisation – Review Information3 min
Outliers – Review Information4 min
Basic Plotting – Review Information5 min
Storing 2D Coordinates – Review Information4 min
Multidimensional Mean – Review Information4 min
Adding Graphical Overlays – Review Information6 min
Calculating Distance – Review Information6 min
List Comprehension – Review Information4 min
Normalisation in Python – Review Information4 min
Outliers – Review Information2 min
Week 3 Summative Assessment25 min
Semaine
4

Semaine 4

5 heures pour terminer

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

5 heures pour terminer
8 vidéos (Total 37 min), 6 lectures, 8 quiz
8 vidéos
4.1: Using the Pandas Library to Read csv Files5 min
4.1a: Sorting and Filtering Data Using Pandas8 min
4.1b: Labelling Points on a Graph4 min
4.1c: Labelling all the Points on a Graph3 min
4.2: Eyeballing the Data5 min
4.3: Using K-Means to Interpret the Data8 min
Week 4: Conclusion35s
6 lectures
Week 4 Code Resources5 min
Pandas Read_CSV Function15 min
More Pandas Library Documentation10 min
The Pyplot Text Function10 min
For Loops in Python10 min
Documentation for sklearn.cluster.KMeans10 min
7 exercices pour s'entraîner
Using the Pandas Library to Read csv Files – Review Information5 min
Sorting and Filtering Data Using Pandas – Review Information10 min
Labelling Points on a Graph – Review Information5 min
Labelling all the Points on a Graph – Review Information5 min
Eyeballing the Data – Review Information5 min
Using K-Means to Interpret the Data – Review Information5 min
Week 4 Summative Assessment40 min

Avis

Meilleurs avis pour FOUNDATIONS OF DATA SCIENCE: K-MEANS CLUSTERING IN PYTHON

Voir tous les avis

Foire Aux Questions

  • 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.
  • 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.

  • Vous avez droit à un remboursement intégral jusqu'à deux semaines après la date de paiement ou (pour les cours qui viennent d'être lancés) jusqu'à deux semaines après le début de la première session du cours, selon la dernière de ces éventualités. Vous ne pouvez pas bénéficier d'un remboursement une fois votre Certificat de Cours obtenu, même si vous terminez le cours pendant la période de remboursement de deux semaines. Consultez notre Politique de remboursement complète.

  • Oui, Coursera fournit une Aide Financière aux étudiants n'ayant pas les moyens d'acquitter les frais. Pour en faire la demande, cliquez sur le lien Aide Financière situé sous le bouton S'inscrire ci-contre à gauche. Vous serez invité(e) à déposer une demande et vous serez averti(e) si elle est acceptée. En savoir plus.

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