À propos de ce cours
28,445 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. 13 heures pour terminer

Recommandé : 4-6 hours/week...

Anglais

Sous-titres : Anglais

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. 13 heures pour terminer

Recommandé : 4-6 hours/week...

Anglais

Sous-titres : Anglais

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
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. And we would let you know when we need clustering and why it is important. Then, you will be introduced to a variety of clustering methods.

...
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
Semaine
2
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.

...
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
Semaine
3
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 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 topic focus on the classification of data.

...
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
4 heures pour terminer

Module 4 Model Performance and Recommendation Systems

Over this module, you will study tools for recognizing what to recommend, identify cross-sell or upsell opportunities. As the last module of the course, we will warp up the contents 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.

...
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

Enseignant

Avatar

Sridhar Seshadri

Professor of Business Administration
Business Administration

Commencez à travailler pour obtenir votre master

Ce cours fait partie du diplôme intégralement en ligne Master of Business Administration (iMBA) de Université de l'Illinois à Urbana-Champaign. Si vous êtes admis au programme complet, vos cours sont 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

  • 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.

  • 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.

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