This course introduces students to the science of business analytics while casting a keen eye toward the artful use of numbers found in the digital space. The goal is to provide businesses and managers with the foundation needed to apply data analytics to real-world challenges they confront daily in their professional lives. Students will learn to identify the ideal analytic tool for their specific needs; understand valid and reliable ways to collect, analyze, and visualize data; and utilize data in decision making for their agencies, organizations or clients.
Predictive Analytics and Data Mining
Offert par
Predictive Analytics and Data Mining
Université de l'Illinois à Urbana-Champaign
À propos de ce cours
14,844 consultations récentes
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. 18 heures pour terminer
Recommandé : 4-6 hours/week
Anglais
Sous-titres : Anglais
Programme du cours : ce que vous apprendrez dans ce cours
8 heures pour terminer
Module 0: Get Ready & Module 1: Drowning in Data, Starving for Knowledge
This module will introduce you to the most common and important unsupervised learning technique – Clustering. You will have an understanding of different applications of clustering analysis after this module. You will also learn when we need clustering and why it is important. Then, you will be introduced to a variety of clustering methods.
8 heures pour terminer
13 vidéos (Total 98 min), 10 lectures, 4 quiz
13 vidéos
Meet Professor Sridhar Seshadri1 min
Rattle Installation Guidelines for Windows6 min
Rattle Installation Guideline for MacOS11 min
Rattle Interface for Windows9 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
10 lectures
Syllabus30 min
About the Discussion Forums10 min
Glossary10 min
Brand Descriptions10 min
Update Your Profile10 min
Module 0 Agenda10 min
Rattle Tutorials (Interface, Windows, Mac)30 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 Quiz10 min
Module 1 Practice Problems10 min
Module 1 Graded Quiz30 min
5 heures pour terminer
Module 2: Decision Trees
In this module, we will discuss how to use decision trees to represent knowledge. The module concludes with a presentation of the Random Forest method that overcomes some of the limitations (such as high variance or low precision) of a single decision tree constructed from data.
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 Problems
Module 2 Graded Quiz30 min
5 heures pour terminer
Module 3: Rules, Rules, and More Rules
This module will focus on three key topics, namely rules, nearest neighbor methods, and Bayesian methods. Over the course of this module, you will be exposed to how rules factor into the world of data and how they play a role in the analysis of data. The second and third topics focus on the classification of data.
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
4 heures pour terminer
Module 4: Model Performance and Recommendation Systems
In this module, you will study tools for recognizing what to recommend, and identify cross-sell or upsell opportunities. As the last module of the course, we will wrap up the content so far and you will get an opportunity to practice on your own and learn how to adapt these models to drive business impact in your own organizations.
4 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
4.2
Meilleurs avis pour PREDICTIVE ANALYTICS AND DATA MINING
par SKAug 3, 2019
Prof. Seshadri was amazing. Learned how to model and analyze data for various use cases. Excellent course for people looking for a good understanding of data modeling and data mining.
par VCAug 6, 2019
Professor Seshadri is a master of the Data Analytics art! Great teacher. Learned a lot and loved the course.
par BHNov 28, 2019
I have learned a lot by this course and Instructor, Thanks Coursera
par JKAug 5, 2019
this class was intense but i have learned a lot, glad taking it
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 au programme complet, vos cours seront pris en compte dans votre apprentissage diplômant.
À propos de Université de l'Illinois à Urbana-Champaign
The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si j'achète le 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.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
