À propos de ce cours

85,892 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. 17 heures pour terminer
Anglais

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. 17 heures pour terminer
Anglais

Offert par

Placeholder

Université de Washington

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up91%(5,833 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

5 heures pour terminer

Nearest Neighbor Search

5 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 metrics30 min
Choosing features and metrics for nearest neighbor search30 min
KD-trees30 min
Locality Sensitive Hashing30 min
Implementing Locality Sensitive Hashing from scratch30 min
Semaine
3

Semaine 3

3 heures pour terminer

Clustering with k-means

3 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-means30 min
Clustering text data with K-means16 min
MapReduce for k-means30 min
Semaine
4

Semaine 4

4 heures pour terminer

Mixture Models

4 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 mixtures30 min
Implementing EM for Gaussian mixtures30 min
Clustering text data with Gaussian mixtures30 min

Avis

Meilleurs avis pour MACHINE LEARNING: CLUSTERING & RETRIEVAL

Voir tous les avis

À propos du Spécialisation Apprentissage automatique

Apprentissage automatique

Foire Aux Questions

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