4.6
Sterne
509 Bewertungen

95 %

Dr Matthew Yee-King +3 weitere Dozenten

43.252 bereits angemeldet

von

University of London

Goldsmiths, University of London

Foundations of Data Science: K-Means Clustering in Python

University of London

Über diesen Kurs

109.981 kürzliche Aufrufe

Organisations all around the world are using data to predict behaviours and extract valuable real-world insights to inform decisions. Managing and analysing big data has become an essential part of modern finance, retail, marketing, social science, development and research, medicine and government.
This MOOC, designed by an academic team from Goldsmiths, University of London, will quickly introduce you to the core concepts of Data Science to prepare you for intermediate and advanced Data Science courses. It focuses on the basic mathematics, statistics and programming skills that are necessary for typical data analysis tasks. 

You will consider these fundamental concepts on an example data clustering task, and you will use this example to learn basic programming skills that are necessary for mastering Data Science techniques. During the course, you will be asked to do a series of mathematical and programming exercises and a small data clustering project for a given dataset.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Anfänger“

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

Ca. 29 Stunden zum Abschließen

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 Clustering
Machine Learning
Programming in Python

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Anfänger“

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

Ca. 29 Stunden zum Abschließen

Englisch

Dozenten

Dozentenbewertung

4,66/5 (197 Bewertungen)

von

University of London

The University of London is a federal University which includes 17 world leading Colleges. With extensive experience in distance learning since 1858, University of London has enriched the lives of thousands of students, delivering high quality degrees across the globe. Today, University of London is a global leader in flexible study, offering degree programmes to over 45,000 students in over 190 countries, delivering world-leading research across the world. To find out more about University of London, visit www.london.ac.uk

Goldsmiths, University of London

Championing research-rich degrees that provoke thought, stretch the imagination and tap into tomorrow’s world, at Goldsmiths we’re asking the questions that matter now in subjects as diverse as the arts and humanities, social sciences, cultural studies, computing, and entrepreneurial business and management. We are a community defined by its people: innovative in spirit, analytical in approach and open to all.

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung95%(11,878 Bewertungen)

Woche

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)

Woche

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

2.0: Week 2 Introduction35

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

Woche 3

8 Stunden zum Abschließen

Week 3: Moving from One to Two Dimensional Data

8 Stunden zum Abschließen

16 Videos (Gesamt 53 min), 10 Lektüren, 15 Quiz

16 Videos

Week 3 Introduction37

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 Information30m

Basic Plotting – Review Information5m

Storing 2D Coordinates – Review Information30m

Multidimensional Mean – Review Information30m

Adding Graphical Overlays – Review Information30m

Calculating Distance – Review Information30m

List Comprehension – Review Information30m

Normalisation in Python – Review Information30m

Outliers – Review Information30m

Week 3 Summative Assessment25m

Woche

Woche 4

4 Stunden zum Abschließen

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

4 Stunden zum Abschließen

8 Videos (Gesamt 37 min), 6 Lektüren, 8 Quiz

8 Videos

Week 4 Introduction50

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

Bewertungen

4.6

161 Bewertungen

5 stars
72,69 %
4 stars
21,61 %
3 stars
3,33 %
2 stars
1,37 %
1 star
0,98 %

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

von BO3. Juli 2020

Highly recommended to anyone who wants to delve into data science. The instruuctors, the universities and Coursera team are well dedicated and the course is of high quality.

von AA3. Juni 2019

This course is at right level for a beginner (python and analytics) while going into details around K means clustering

von NC16. Mai 2020

This course gives us a good balance between theory and practice. I wish there was an intermediate or advanced level to continue.

von FA24. Okt. 2019

I liked it, very usefull and objective guide to implemt the algorithm, I also liked the format, many short videos wich is great to keep concentration

Alle Bewertungen anzeigen

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 das Zertifikat erwerbe?
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.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Foundations of Data Science: K-Means Clustering in Python

Foundations of Data Science: K-Means Clustering in Python

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Dozenten

Dr Matthew Yee-King

Dr Betty Fyn-Sydney

Dr Jamie A Ward

Dr Larisa Soldatova

von

University of London

Goldsmiths, University of London

Lehrplan - Was Sie in diesem Kurs lernen werden

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

Week 2: Means and Deviations in Mathematics and Python

Week 3: Moving from One to Two Dimensional Data

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

Week 5: A Data Clustering Project

Bewertungen

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

Häufig gestellte Fragen

Starten oder fördern Sie Ihre Karriere

Beliebte Kurse und Zertifizierungen

Beliebte Sammlungen und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr

Foundations of Data Science: K-Means Clustering in Python

Foundations of Data Science: K-Means Clustering in Python

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Dozenten

Dr Matthew Yee-King

Dr Betty Fyn-Sydney

Dr Jamie A Ward

Dr Larisa Soldatova

von

University of London

Goldsmiths, University of London

Lehrplan - Was Sie in diesem Kurs lernen werden

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

Week 2: Means and Deviations in Mathematics and Python

Week 3: Moving from One to Two Dimensional Data

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

Week 5: A Data Clustering Project

Bewertungen

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

Häufig gestellte Fragen

Coursera Footer

Starten oder fördern Sie Ihre Karriere

Beliebte Kurse und Zertifizierungen

Beliebte Sammlungen und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr