Über diesen Kurs

28,170 kürzliche Aufrufe

Karriereergebnisse der Lernenden

25%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

17%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

33%

erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 16 Stunden zum Abschließen
Englisch

Kompetenzen, die Sie erwerben

Cluster AnalysisData Clustering AlgorithmsK-Means ClusteringHierarchical Clustering

Karriereergebnisse der Lernenden

25%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

17%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

33%

erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 16 Stunden zum Abschließen
Englisch

von

Placeholder

University of Illinois at Urbana-Champaign

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Dieses Kurs ist Teil des reinen Onlineabschlusses Master in Computer Science von University of Illinois at Urbana-Champaign. Wenn Sie in das komplette Programm aufgenommen werden, werden Ihre Kurse auf Ihren Abschluss angerechnet.

Lehrplan - Was Sie in diesem Kurs lernen werden

InhaltsbewertungThumbs Up89%(1,204 Bewertungen)Info
Woche
1

Woche 1

1 Stunde zum Abschließen

Course Orientation

1 Stunde zum Abschließen
1 Video (Gesamt 7 min), 3 Lektüren, 1 Quiz
1 Video
3 Lektüren
Syllabus10m
About the Discussion Forums10m
Social Media10m
1 praktische Übung
Orientation Quiz30m
2 Stunden zum Abschließen

Module 1

2 Stunden zum Abschließen
13 Videos (Gesamt 65 min), 2 Lektüren, 2 Quiz
13 Videos
1.2. Applications of Cluster Analysis2m
1.3 Requirements and Challenges5m
1.4 A Multi-Dimensional Categorization2m
1.5 An Overview of Typical Clustering Methodologies6m
1.6 An Overview of Clustering Different Types of Data6m
1.7 An Overview of User Insights and Clustering3m
2.1 Basic Concepts: Measuring Similarity between Objects3m
2.2 Distance on Numeric Data Minkowski Distance7m
2.3 Proximity Measure for Symetric vs Asymmetric Binary Variables4m
2.4 Distance between Categorical Attributes Ordinal Attributes and Mixed Types4m
2.5 Proximity Measure between Two Vectors Cosine Similarity2m
2.6 Correlation Measures between Two variables Covariance and Correlation Coefficient13m
2 Lektüren
Lesson 1 Overview10m
Lesson 2 Overview10m
2 praktische Übungen
Lesson 1 Quiz30m
Lesson 2 Quiz30m
Woche
2

Woche 2

5 Stunden zum Abschließen

Week 2

5 Stunden zum Abschließen
15 Videos (Gesamt 78 min), 3 Lektüren, 2 Quiz
15 Videos
3.2 K-Means Clustering Method9m
3.3 Initialization of K-Means Clustering4m
3.4 The K-Medoids Clustering Method6m
3.5 The K-Medians and K-Modes Clustering Methods6m
3.6 Kernel K-Means Clustering8m
4.1 Hierarchical Clustering Methods1m
4.2 Agglomerative Clustering Algorithms8m
4.3 Divisive Clustering Algorithms3m
4.4 Extensions to Hierarchical Clustering3m
4.5 BIRCH: A Micro-Clustering-Based Approach7m
ClusterEnG Overview5m
ClusterEnG: K-Means and K-Medoids3m
ClusterEnG Application: AGNES4m
ClusterEnG Application: DBSCAN2m
3 Lektüren
Lesson 3 Overview10m
Lesson 4 Part 1 Overview10m
ClusterEnG Introduction10m
1 praktische Übung
Lesson 3 Quiz30m
Woche
3

Woche 3

2 Stunden zum Abschließen

Week 3

2 Stunden zum Abschließen
9 Videos (Gesamt 53 min), 2 Lektüren, 2 Quiz
9 Videos
4.7 CHAMELEON: Graph Partitioning on the KNN Graph of the Data8m
4.8 Probabilistic Hierarchical Clustering7m
5.1 Density-Based and Grid-Based Clustering Methods1m
5.2 DBSCAN: A Density-Based Clustering Algorithm8m
5.3 OPTICS: Ordering Points To Identify Clustering Structure9m
5.4 Grid-Based Clustering Methods3m
5.5 STING: A Statistical Information Grid Approach3m
5.6 CLIQUE: Grid-Based Subspace Clustering7m
2 Lektüren
Lesson 4 Part 2 Overview10m
Lesson 5 Overview10m
2 praktische Übungen
Lesson 4 Quiz30m
Lesson 5 Quiz30m
Woche
4

Woche 4

5 Stunden zum Abschließen

Week 4

5 Stunden zum Abschließen
10 Videos (Gesamt 57 min), 1 Lektüre, 2 Quiz
10 Videos
6.2 Clustering Evaluation Measuring Clustering Quality2m
6.3 Constraint-Based Clustering4m
6.4 External Measures 1: Matching-Based Measures10m
6.5 External Measure 2: Entropy-Based Measures7m
6.6 External Measure 3: Pairwise Measures6m
6.7 Internal Measures for Clustering Validation7m
6.8 Relative Measures5m
6.9 Cluster Stability6m
6.10 Clustering Tendency5m
1 Lektüre
Lesson 6 Overview10m
1 praktische Übung
Lesson 6 Quiz30m
20 Minuten zum Abschließen

Course Conclusion

20 Minuten zum Abschließen

Bewertungen

Top-Bewertungen von CLUSTER ANALYSIS IN DATA MINING

Alle Bewertungen anzeigen

Über den Spezialisierung Data-Mining

Data-Mining

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..