À propos de ce cours

48,538 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 intermédiaire
Approx. 24 heures pour terminer
Anglais

Compétences que vous acquerrez

Predictive AnalyticsDecision-Making SoftwareGeodemographic SegmentationValidated Learning
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 intermédiaire
Approx. 24 heures pour terminer
Anglais

Offert par

Placeholder

Université de l'Illinois à Urbana-Champaign

Commencez à travailler pour obtenir votre master

Ce cours fait partie du diplôme intégralement en ligne Master of Science in Accountancy (iMSA) de Université de l'Illinois à Urbana-Champaign. Si vous êtes admis(e) au programme complet, vos cours sont pris en compte dans votre apprentissage diplômant.

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

9 heures pour terminer

Module 0: Get Ready & Module 1: Drowning in Data, Starving for Knowledge

9 heures pour terminer
13 vidéos (Total 104 min), 11 lectures, 4 quiz
13 vidéos
Meet Professor Sridhar Seshadri1 min
Rattle Installation Guidelines for Windows11 min
R and Rattle Installation Instructions for Mac OS14 min
Overview of Rattle7 min
Lecture 1-1: Introduction to Clustering11 min
Lecture 1-2: Applications of Clustering7 min
Lecture 1-3: How to Cluster10 min
Lecture 1-4: Introduction to K Means8 min
Lecture 1-5: Hierarchical (Agglomerative) Clustering8 min
Lecture 1-6: Measuring Similarity Between Clusters10 min
Lecture 1-7: Real World Clustering Example6 min
Lecture 1-8: Clustering Practice and Summary3 min
11 lectures
Syllabus30 min
About the Discussion Forums10 min
Glossary10 min
Brand Descriptions10 min
Update Your Profile10 min
Module 0 Agenda5 min
Rattle Tutorials (Interface, Windows, Mac)30 min
Frequent Asked Questions10 min
Module 1 Overview20 min
Module 1 Readings, Data Sets, and Slides1h 30min
Module 1 Peer Review Assignment Answer Key10 min
3 exercices pour s'entraîner
Orientation Quiz30 min
Module 1 Practice Problems10 min
Module 1 Graded Quiz30 min
Semaine
2

Semaine 2

5 heures pour terminer

Module 2: Decision Trees

5 heures pour terminer
7 vidéos (Total 65 min), 3 lectures, 3 quiz
7 vidéos
Lecture 2-2: Model Complexity7 min
Lecture 2-3: Rule Based Classifiers9 min
Lecture 2-4: Entropy and Decision Trees14 min
Lecture 2-5: Classification Tree Example7 min
Lecture 2-6: Regression Tree Example8 min
Lecture 2-7: Introduction to Forests and Spam Filter Exercise9 min
3 lectures
Module 2 Overview20 min
Module 2 Readings, Data Sets, and Slides30 min
Module 2 Peer Review Assignment Answer Key10 min
2 exercices pour s'entraîner
Module 2 Practice Problems30 min
Module 2 Graded Quiz30 min
Semaine
3

Semaine 3

5 heures pour terminer

Module 3: Rules, Rules, and More Rules

5 heures pour terminer
8 vidéos (Total 65 min), 3 lectures, 3 quiz
8 vidéos
Lecture 3-2: K-Nearest Neighbor9 min
Lecture 3-3: K-Nearest Neighbor Classifier3 min
Lecture 3-4: Selecting the Best K in Rstudio12 min
Lecture 3-5: Bayes' Rule7 min
Lecture 3-6: The Naïve Bayes Trick13 min
Lecture 3-7: Employee Attrition Example5 min
Lecture 3-8: Employee Attrition Example in Rstudio, Exercise, and Summary9 min
3 lectures
Module 3 Overview20 min
Module 3 Readings, Data Sets, and Slides30 min
Module 3 Peer Review Assignment Answer Key10 min
2 exercices pour s'entraîner
Module 3 Practice Problems10 min
Module 3 Graded Quiz30 min
Semaine
4

Semaine 4

5 heures pour terminer

Module 4: Model Performance and Recommendation Systems

5 heures pour terminer
8 vidéos (Total 68 min), 3 lectures, 3 quiz
8 vidéos
Lecture 4-2: Classification Tree Example11 min
Lecture 4-3: True and False Negatives8 min
Lecture 4-4: Clock Example Exercise2 min
Lecture 4-5: Making Recommendations13 min
Lecture 4-6: Association Rule Mining6 min
Lecture 4-7: Collaborative Filtering7 min
Lecture 4-8: Recommendation Example in Rstudio and Summary12 min
3 lectures
Module 4 Overview20 min
Module 4 Readings, Data Sets, and Slides1 h
Module 4 Peer Review Assignment Answer Key10 min
2 exercices pour s'entraîner
Module 4 Practice Problems10 min
Module 4 Graded Quiz30 min

Avis

Meilleurs avis pour PREDICTIVE ANALYTICS AND DATA MINING

Voir tous les avis

Foire Aux Questions

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