4.7
étoiles
168 évaluations

Mark J Grover +3 enseignants de plus

12 009 déjà inscrits

Offert par

Réseau de compétences IBM

À propos de ce cours

35 479 consultations récentes

This course introduces you to one of the main types of Machine Learning: Unsupervised Learning. You will learn how to find insights from data sets that do not have a target or labeled variable. You will learn several clustering and dimension reduction algorithms for unsupervised learning as well as how to select the algorithm that best suits your data. The hands-on section of this course focuses on using best practices for unsupervised learning.
By the end of this course you should be able to:
Explain the kinds of problems suitable for Unsupervised Learning approaches
Explain the curse of dimensionality, and how it makes clustering difficult with many features
Describe and use common clustering and dimensionality-reduction algorithms
Try clustering points where appropriate, compare the performance of per-cluster models
Understand metrics relevant for characterizing clusters

Who should take this course?
This course targets aspiring data scientists interested in acquiring hands-on experience with Unsupervised Machine Learning techniques in a business setting.
 
What skills should you have?
To make the most out of this course, you should have familiarity with programming on a Python development environment, as well as fundamental understanding of Data Cleaning, Exploratory Data Analysis, Calculus, Linear Algebra, Probability, and Statistics.

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.

Niveau intermédiaire

Approx. 23 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Compétences que vous acquerrez

Dimensionality Reduction
Unsupervised Learning
Cluster Analysis
K Means Clustering
Principal Component Analysis (PCA)

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.

Niveau intermédiaire

Approx. 23 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Enseignants

Évaluation de l'enseignant

4,75/5 (49 évaluations)

Offert par

Réseau de compétences IBM

IBM is the global leader in business transformation through an open hybrid cloud platform and AI, serving clients in more than 170 countries around the world. Today 47 of the Fortune 50 Companies rely on the IBM Cloud to run their business, and IBM Watson enterprise AI is hard at work in more than 30,000 engagements. IBM is also one of the world’s most vital corporate research organizations, with 28 consecutive years of patent leadership. Above all, guided by principles for trust and transparency and support for a more inclusive society, IBM is committed to being a responsible technology innovator and a force for good in the world.

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

4 heures pour terminer

Introduction to Unsupervised Learning and K Means

4 heures pour terminer

11 vidéos (Total 62 min), 2 lectures, 6 quiz

11 vidéos

Course Introduction1 min

Introduction to Unsupervised Learning: Overview8 min

Introduction to Unsupervised Learning: Use Cases of Clustering4 min

Introduction to Clustering1 min

K-Means 3 min

K-Means Initialization 3 min

Selecting the Right Number of Clusters in K-Means 4 min

Elbow method and Applying K-means5 min

(Optional) K Means Notebook - Part 19 min

K Means Notebook - Part 26 min

(Optional) K Means Notebook - Part 313 min

2 lectures

Mixture of Gaussians 10 min

Summary10 min

3 exercices pour s'entraîner

Ungraded: Introduction to Unsupervised Learning10 min

Ungraded: K Means Clustering10 min

Graded: Module 1 Quiz20 min

Semaine

Semaine 2

3 heures pour terminer

Distance Metrics & Computational Hurdles

3 heures pour terminer

6 vidéos (Total 57 min), 1 lecture, 4 quiz

6 vidéos

Distance Metrics: Euclidean and Manhattan Distance3 min

Distance Metrics: Cosine and Jaccard Distance 6 min

Curse of Dimensionality Notebook - Part 111 min

Curse of Dimensionality Notebook - Part 212 min

Curse of Dimensionality Notebook - Part 312 min

Curse of Dimensionality Notebook - Part 410 min

1 lecture

Summary10 min

2 exercices pour s'entraîner

Ungraded: Distance Metrics10 min

Graded: Module 2 Quiz20 min

Semaine

Semaine 3

4 heures pour terminer

Selecting a Clustering Algorithm

4 heures pour terminer

11 vidéos (Total 86 min), 1 lecture, 6 quiz

11 vidéos

Hierarchical Agglomerative Clustering 3 min

Hierarchical Agglomerative Clustering: Hierarchical Linkage Types6 min

Applying Hierarchical Agglomerative Clustering 2 min

DBSCAN 5 min

Visualizing DBSCAN 8 min

Mean Shift9 min

Comparing Algorithms11 min

Clustering Notebook - Part 114 min

Clustering Notebook - Part 26 min

Clustering Notebook - Part 37 min

Clustering Notebook - Part 411 min

1 lecture

Summary10 min

3 exercices pour s'entraîner

Ungraded: Clustering Algorithms10 min

Ungraded: Comparing Clustering Algorithms10 min

Graded: Module 3 Quiz20 min

Semaine

Semaine 4

4 heures pour terminer

Dimensionality Reduction

4 heures pour terminer

5 vidéos (Total 46 min), 1 lecture, 6 quiz

Avis

4.7

33 avis

5 stars
79,16 %
4 stars
14,88 %
3 stars
2,38 %
2 stars
1,78 %
1 star
1,78 %

Meilleurs avis pour UNSUPERVISED MACHINE LEARNING

par KD11 avr. 2022

Awesome and wholesome explaination of the concepts

par NW25 déc. 2020

Great course for learning about Unsupervised Learning

par MB22 avr. 2021

A high quality course with lots of practical techniques

par MK21 févr. 2022

Thank you Coursera.

Thank you IBM.

Thank you to all instructors.

Voir tous les avis

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 ce Certificat ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours du Certificat, 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.

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

Développez les compétences de vos employés, obtenez des résultats commerciaux

Découvrez Coursera pour les affaires

Unsupervised Machine Learning

À propos de ce cours

Compétences que vous acquerrez

Enseignants

Mark J Grover

Miguel Maldonado

Joseph Santarcangelo

Xintong Li

Offert par

Réseau de compétences IBM

Programme de cours : ce que vous apprendrez dans ce cours

Introduction to Unsupervised Learning and K Means

Distance Metrics & Computational Hurdles

Selecting a Clustering Algorithm

Dimensionality Reduction

Nonlinear and Distance-Based Dimensionality Reduction

Matrix Factorization

Final Project

Avis

Meilleurs avis pour UNSUPERVISED MACHINE LEARNING

Foire Aux Questions

Commencez ou faites progresser votre carrière

Cours et certifications populaires

Collections et articles populaires

Obtenez un diplôme ou un certificat en ligne

Coursera

Communauté

Plus

Unsupervised Machine Learning

À propos de ce cours

Compétences que vous acquerrez

Enseignants

Mark J Grover

Miguel Maldonado

Joseph Santarcangelo

Xintong Li

Offert par

Réseau de compétences IBM

Programme de cours : ce que vous apprendrez dans ce cours

Introduction to Unsupervised Learning and K Means

Distance Metrics & Computational Hurdles

Selecting a Clustering Algorithm

Dimensionality Reduction

Nonlinear and Distance-Based Dimensionality Reduction

Matrix Factorization

Final Project

Avis

Meilleurs avis pour UNSUPERVISED MACHINE LEARNING

Foire Aux Questions

Coursera Footer

Commencez ou faites progresser votre carrière

Cours et certifications populaires

Collections et articles populaires

Obtenez un diplôme ou un certificat en ligne

Coursera

Communauté

Plus