À propos de ce cours

86,388 consultations récentes

Résultats de carrière des étudiants

37%

ont commencé une nouvelle carrière après avoir terminé ce cours

38%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
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. 14 heures pour terminer
Anglais
Sous-titres : Anglais, Coréen, Arabe

Compétences que vous acquerrez

Data Clustering AlgorithmsK-Means ClusteringMachine LearningK-D Tree

Résultats de carrière des étudiants

37%

ont commencé une nouvelle carrière après avoir terminé ce cours

38%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
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. 14 heures pour terminer
Anglais
Sous-titres : Anglais, Coréen, Arabe

Offert par

Logo Université de Washington

Université de Washington

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up91%(5,402 notes)Info
Semaine
1

Semaine 1

1 heure pour terminer

Welcome

1 heure pour terminer
4 vidéos (Total 25 min), 4 lectures
4 vidéos
Course overview3 min
Module-by-module topics covered8 min
Assumed background6 min
4 lectures
Important Update regarding the Machine Learning Specialization10 min
Slides presented in this module10 min
Software tools you'll need for this course10 min
A big week ahead!10 min
Semaine
2

Semaine 2

4 heures pour terminer

Nearest Neighbor Search

4 heures pour terminer
22 vidéos (Total 137 min), 4 lectures, 5 quiz
22 vidéos
1-NN algorithm2 min
k-NN algorithm6 min
Document representation5 min
Distance metrics: Euclidean and scaled Euclidean6 min
Writing (scaled) Euclidean distance using (weighted) inner products4 min
Distance metrics: Cosine similarity9 min
To normalize or not and other distance considerations6 min
Complexity of brute force search1 min
KD-tree representation9 min
NN search with KD-trees7 min
Complexity of NN search with KD-trees5 min
Visualizing scaling behavior of KD-trees4 min
Approximate k-NN search using KD-trees7 min
Limitations of KD-trees3 min
LSH as an alternative to KD-trees4 min
Using random lines to partition points5 min
Defining more bins3 min
Searching neighboring bins8 min
LSH in higher dimensions4 min
(OPTIONAL) Improving efficiency through multiple tables22 min
A brief recap2 min
4 lectures
Slides presented in this module10 min
Choosing features and metrics for nearest neighbor search10 min
(OPTIONAL) A worked-out example for KD-trees10 min
Implementing Locality Sensitive Hashing from scratch10 min
5 exercices pour s'entraîner
Representations and metrics12 min
Choosing features and metrics for nearest neighbor search10 min
KD-trees10 min
Locality Sensitive Hashing10 min
Implementing Locality Sensitive Hashing from scratch10 min
Semaine
3

Semaine 3

2 heures pour terminer

Clustering with k-means

2 heures pour terminer
13 vidéos (Total 79 min), 2 lectures, 3 quiz
13 vidéos
An unsupervised task6 min
Hope for unsupervised learning, and some challenge cases4 min
The k-means algorithm7 min
k-means as coordinate descent6 min
Smart initialization via k-means++4 min
Assessing the quality and choosing the number of clusters9 min
Motivating MapReduce8 min
The general MapReduce abstraction5 min
MapReduce execution overview and combiners6 min
MapReduce for k-means7 min
Other applications of clustering7 min
A brief recap1 min
2 lectures
Slides presented in this module10 min
Clustering text data with k-means10 min
3 exercices pour s'entraîner
k-means18 min
Clustering text data with K-means16 min
MapReduce for k-means10 min
Semaine
4

Semaine 4

3 heures pour terminer

Mixture Models

3 heures pour terminer
15 vidéos (Total 91 min), 4 lectures, 3 quiz
15 vidéos
Aggregating over unknown classes in an image dataset6 min
Univariate Gaussian distributions2 min
Bivariate and multivariate Gaussians7 min
Mixture of Gaussians6 min
Interpreting the mixture of Gaussian terms5 min
Scaling mixtures of Gaussians for document clustering5 min
Computing soft assignments from known cluster parameters7 min
(OPTIONAL) Responsibilities as Bayes' rule5 min
Estimating cluster parameters from known cluster assignments6 min
Estimating cluster parameters from soft assignments8 min
EM iterates in equations and pictures6 min
Convergence, initialization, and overfitting of EM9 min
Relationship to k-means3 min
A brief recap1 min
4 lectures
Slides presented in this module10 min
(OPTIONAL) A worked-out example for EM10 min
Implementing EM for Gaussian mixtures10 min
Clustering text data with Gaussian mixtures10 min
3 exercices pour s'entraîner
EM for Gaussian mixtures18 min
Implementing EM for Gaussian mixtures12 min
Clustering text data with Gaussian mixtures8 min

Avis

Meilleurs avis pour MACHINE LEARNING: CLUSTERING & RETRIEVAL

Voir tous les avis

À propos du Spécialisation Apprentissage automatique

This Specialization from leading researchers at the University of Washington introduces you to the exciting, high-demand field of Machine Learning. Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data....
Apprentissage automatique

Foire Aux Questions

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 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.

  • Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.

  • Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.

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