Dieser Kurs ist Teil der Spezialisierung Spezialisierung Data-Mining

4.5
Sterne
363 Bewertungen

89 %

Jiawei Han

von

Teil des Abschlusses Master in Computer Science

Mehr erfahren

Spezialisierung Data-Mining University of Illinois at Urbana-Champaign

Über diesen Kurs

16,123 kürzliche Aufrufe

Discover the basic concepts of cluster analysis, and then study a set of typical clustering methodologies, algorithms, and applications. This includes partitioning methods such as k-means, hierarchical methods such as BIRCH, and density-based methods such as DBSCAN/OPTICS. Moreover, learn methods for clustering validation and evaluation of clustering quality. Finally, see examples of cluster analysis in applications.

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.

Kurs 5 von 6 in

Spezialisierung Data-Mining

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 17 Stunden zum Abschließen

Englisch

Untertitel: Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, Englisch, Spanisch

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.

Kurs 5 von 6 in

Spezialisierung Data-Mining

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 17 Stunden zum Abschließen

Englisch

Untertitel: Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, Englisch, Spanisch

Dozent

Dozentenbewertung

4.28/5 (16 Bewertungen)

Jiawei Han

Abel Bliss Professor

Department of Computer Science

55,982 Kursteilnehmer

4 Kurse

von

University of Illinois at 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.

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.

Mehr erfahren

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung89%(1,248 Bewertungen)

Woche

Woche 1

2 Stunden zum Abschließen

Course Orientation

You will become familiar with the course, your classmates, and our learning environment. The orientation will also help you obtain the technical skills required for the course.

2 Stunden zum Abschließen

1 Video (Gesamt 7 min), 3 Lektüren, 1 Quiz

2 Stunden zum Abschließen

Module 1

2 Stunden zum Abschließen

13 Videos (Gesamt 65 min), 2 Lektüren, 2 Quiz

13 Videos

1.1. What is Cluster Analysis2m

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

Woche 2

5 Stunden zum Abschließen

Week 2

5 Stunden zum Abschließen

15 Videos (Gesamt 78 min), 3 Lektüren, 2 Quiz

15 Videos

3.1 Partitioning-Based Clustering Methods3m

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

Woche 3

2 Stunden zum Abschließen

Week 3

2 Stunden zum Abschließen

9 Videos (Gesamt 53 min), 2 Lektüren, 2 Quiz

9 Videos

4.6 CURE: Clustering Using Well-Scattered Representatives4m

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

Woche 4

5 Stunden zum Abschließen

Week 4

5 Stunden zum Abschließen

10 Videos (Gesamt 57 min), 1 Lektüre, 2 Quiz

10 Videos

6.1 Methods for Clustering Validation1m

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

25 Minuten zum Abschließen

Course Conclusion

In the course conclusion, feel free to share any thoughts you have on this course experience.

25 Minuten zum Abschließen

Bewertungen

4.5

56 Bewertungen

5 stars
66.66%
4 stars
23.41%
3 stars
5.50%
2 stars
2.20%
1 star
2.20%

Top-Bewertungen von CLUSTER ANALYSIS IN DATA MINING

von GL25. Jan. 2018

This is a very good course covering all area of clustering. The only thing I feel a little struggle is some algorithm explained too brief, I prefer some detail step by step examples.

von ES17. Dez. 2018

This was my favorite course in the whole specialization. Everything is explained very concisely and clearly making the subject matter very easy to understand.

von DB9. März 2019

Useful theory. It will be challenging for non-math students. and also lecturer's native language influence iis going to be challening as well to follow along.

von UG27. Apr. 2019

Its Good but explanations can done much better, rest all good in terms of study material, quiz ,and programming assignment.

Alle Bewertungen anzeigen

Über den Spezialisierung Data-Mining

The Data Mining Specialization teaches data mining techniques for both structured data which conform to a clearly defined schema, and unstructured data which exist in the form of natural language text. Specific course topics include pattern discovery, clustering, text retrieval, text mining and analytics, and data visualization. The Capstone project task is to solve real-world data mining challenges using a restaurant review data set from Yelp.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Is financial aid available?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren

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

Cluster Analysis in Data Mining

Über diesen Kurs

Karriereergebnisse der Lernenden

25%

17%

33%

Kompetenzen, die Sie erwerben

Karriereergebnisse der Lernenden

25%

17%

33%

Dozent

Jiawei Han

von

University of Illinois at Urbana-Champaign

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche 1

Course Orientation

Module 1

Woche 2

Week 2

Woche 3

Week 3

Woche 4

Week 4

Course Conclusion

Bewertungen

Top-Bewertungen von CLUSTER ANALYSIS IN DATA MINING

Über den Spezialisierung Data-Mining

Häufig gestellte Fragen

Beliebte Online-Kurse

Beliebte Online-Spezialisierungen

Online-Zertifikate

Online-Abschlussprogramme

Coursera

Community

Mehr

Cluster Analysis in Data Mining

Über diesen Kurs

Karriereergebnisse der Lernenden

25%

17%

33%

Kompetenzen, die Sie erwerben

Karriereergebnisse der Lernenden

25%

17%

33%

Dozent

Jiawei Han

von

University of Illinois at Urbana-Champaign

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche 1

Course Orientation

Module 1

Woche 2

Week 2

Woche 3

Week 3

Woche 4

Week 4

Course Conclusion

Bewertungen

Top-Bewertungen von CLUSTER ANALYSIS IN DATA MINING

Über den Spezialisierung Data-Mining

Häufig gestellte Fragen

Coursera Footer

Beliebte Online-Kurse

Beliebte Online-Spezialisierungen

Online-Zertifikate

Online-Abschlussprogramme

Coursera

Community

Mehr