Über diesen Kurs

88,987 kürzliche Aufrufe

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.

Stufe „Anfänger“

You will need mathematical and statistical knowledge and skills at least at high-school level.

Ca. 30 Stunden zum Abschließen

Empfohlen: 5 Weeks of study, 5-6 hours per week...

Englisch

Untertitel: Englisch

Was Sie lernen werden

  • Define and explain the key concepts of data clustering

  • Demonstrate understanding of the key constructs and features of the Python language.

  • Implement in Python the principle steps of the K-means algorithm.

  • Design and execute a whole data clustering workflow and interpret the outputs.

Kompetenzen, die Sie erwerben

K-Means ClusteringMachine LearningProgramming in Python

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.

Stufe „Anfänger“

You will need mathematical and statistical knowledge and skills at least at high-school level.

Ca. 30 Stunden zum Abschließen

Empfohlen: 5 Weeks of study, 5-6 hours per week...

Englisch

Untertitel: Englisch

von

University of London-Logo

University of London

Goldsmiths, University of London-Logo

Goldsmiths, University of London

Lehrplan - Was Sie in diesem Kurs lernen werden

InhaltsbewertungThumbs Up93%(1,524 Bewertungen)Info
Woche
1

Woche 1

7 Stunden zum Abschließen

Week 1: Foundations of Data Science: K-Means Clustering in Python

7 Stunden zum Abschließen
9 Videos (Gesamt 22 min)
9 Videos
Introduction to Data Science2m
What is Data?1m
Types of Data1m
Machine Learning3m
Supervised vs Unsupervised Learning2m
K-Means Clustering4m
Preparing your Data1m
A Real World Dataset53
4 praktische Übungen
Types of Data – Review Information15m
Supervised vs Unsupervised – Review Information15m
K-Means Clustering – Review Information30m
Week 1 Summative Assessment40m
Woche
2

Woche 2

4 Stunden zum Abschließen

Week 2: Means and Deviations in Mathematics and Python

4 Stunden zum Abschließen
11 Videos (Gesamt 37 min), 4 Lektüren, 11 Quiz
11 Videos
2.1 – Introduction to Mathematical Concepts of Data Clustering1m
2.2 – Mean of One Dimensional Lists2m
2.3 – Variance and Standard Deviation3m
2.4 Jupyter Notebooks6m
2.5 Variables4m
2.6 Lists4m
2.7 Computing the Mean3m
2.8 Better Lists: NumPy3m
2.9 Computing the Standard Deviation6m
Week 2 Conclusion31
4 Lektüren
Population vs Sample, Bias10m
Variability, Standard Deviation and Bias10m
Python Style Guide10m
Numpy and Array Creation20m
10 praktische Übungen
Population vs Sample – Review Information5m
Mean of One Dimensional Lists – Review Information3m
Variance and Standard Deviation – Review Information4m
Jupyter Notebooks – Review Information20m
Variables – Review Information10m
Lists – Review Information10m
Computing the Mean – Review Information10m
Better Lists – Review Information10m
Computing the Standard Deviation – Review Information10m
Week 2 Summative Assessment40m
Woche
3

Woche 3

4 Stunden zum Abschließen

Week 3: Moving from One to Two Dimensional Data

4 Stunden zum Abschließen
16 Videos (Gesamt 53 min), 10 Lektüren, 15 Quiz
16 Videos
3.1 Multidimensional Data Points and Features2m
3.2 Multidimensional Mean2m
3.3 Dispersion: Multidimensional Variables3m
3.4 Distance Metrics5m
3.5 Normalisation1m
3.6 Outliers1m
3.7 Basic Plotting2m
3.7a Storing 2D Coordinates in a Single Data Structure6m
3.8 Multidimensional Mean4m
3.9 Adding Graphical Overlays5m
3.10 Calculating the Distance to the Mean3m
3.11 List Comprehension3m
3.12 Normalisation in Python5m
3.13 Outliers and Plotting Normalised Data2m
Week 3 Conclusion30
10 Lektüren
Multidimensional Data Points and Features Recap10m
Multidimensional Mean Recap10m
Multidimensional Variables Recap10m
Distance Metrics Recap10m
Normalisation Recap10m
Note on Matplotlib10m
Matplotlib Scatter Plot Documentation20m
Matplotlib Patches Documentation10m
List Comprehension Documentation20m
3.12 Errata10m
15 praktische Übungen
Multidimensional Data Points and Features – Review Information3m
Multidimensional Mean – Review Information3m
Dispersion: Multidimensional Variables – Review Information5m
Distance Metrics – Review Information6m
Normalisation – Review Information3m
Outliers – Review Information4m
Basic Plotting – Review Information5m
Storing 2D Coordinates – Review Information4m
Multidimensional Mean – Review Information4m
Adding Graphical Overlays – Review Information6m
Calculating Distance – Review Information6m
List Comprehension – Review Information4m
Normalisation in Python – Review Information4m
Outliers – Review Information2m
Week 3 Summative Assessment25m
Woche
4

Woche 4

5 Stunden zum Abschließen

Week 4: Introducing Pandas and Using K-Means to Analyse Data

5 Stunden zum Abschließen
8 Videos (Gesamt 37 min), 6 Lektüren, 8 Quiz
8 Videos
4.1: Using the Pandas Library to Read csv Files5m
4.1a: Sorting and Filtering Data Using Pandas8m
4.1b: Labelling Points on a Graph4m
4.1c: Labelling all the Points on a Graph3m
4.2: Eyeballing the Data5m
4.3: Using K-Means to Interpret the Data8m
Week 4: Conclusion35
6 Lektüren
Week 4 Code Resources5m
Pandas Read_CSV Function15m
More Pandas Library Documentation10m
The Pyplot Text Function10m
For Loops in Python10m
Documentation for sklearn.cluster.KMeans10m
7 praktische Übungen
Using the Pandas Library to Read csv Files – Review Information5m
Sorting and Filtering Data Using Pandas – Review Information10m
Labelling Points on a Graph – Review Information5m
Labelling all the Points on a Graph – Review Information5m
Eyeballing the Data – Review Information5m
Using K-Means to Interpret the Data – Review Information5m
Week 4 Summative Assessment40m

Bewertungen

Top-Bewertungen von FOUNDATIONS OF DATA SCIENCE: K-MEANS CLUSTERING IN PYTHON
Alle Bewertungen anzeigen

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat 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.

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