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.
von
University of London
Goldsmiths, University of London
Foundations of Data Science: K-Means Clustering in Python
University of LondonÜber diesen Kurs
151,419 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
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
Englisch
Untertitel: Englisch
von
University of London
The University of London is a federal University which includes 18 world leading Colleges. Our distance learning programmes were founded in 1858 and have enriched the lives of thousands of students, delivering high quality University of London degrees wherever our students are across the globe. Our alumni include 7 Nobel Prize winners. Today, we are a global leader in distance and flexible study, offering degree programmes to over 50,000 students in over 180 countries. To find out more about studying for one of our degrees where you are, 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
7 Stunden zum Abschließen
Week 1: Foundations of Data Science: K-Means Clustering in Python
This week we will introduce you to the course and to the team who will be guiding you through the course over the next 5 weeks. The aim of this week's material is to gently introduce you to Data Science through some real-world examples of where Data Science is used, and also by highlighting some of the main concepts involved.
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
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
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
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
von AH3. Juni 2020
I love this course as it gives me the foundations of learning the Python coding program and relevant statistical methods that used for data analysis. It's really interesting course to attend to.
von GR9. Sep. 2019
184/5000 Conferences of very good quality, and the platform for practices is really useful to put the theory into practice. I recommend this course if you want to start in data science.
von SS29. Juni 2020
A well presented and interesting course. It would have been good to have some more complex examples with the thinking behind them - the exploratory bit/intelligent bit of the process.
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.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
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.
Wie erfolgen Rückerstattungen?
Sie haben bis zu zwei Wochen nach Ihrem Zahlungsdatum beziehungsweise bis zu zwei Wochen nach Beginn der ersten Kurseinheit (bei Kursen, die gerade gestartet sind) Anspruch auf eine volle Rückerstattung, je nachdem, was später eintritt. Nach dem Erwerb eines Kurszertifikats besteht kein Anrecht mehr auf Rückerstattung, auch dann nicht, wenn Sie den Kurs innerhalb des Zeitraums von zwei Wochen abgeschlossen haben. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet Kursteilnehmern, die die Gebühr nicht bezahlen können, finanzielle Hilfe an. Sie beantragen diese Hilfe, indem Sie auf den entsprechenden Link links unter der Schaltfläche "Anmelden" klicken. Sie werden dazu aufgefordert, ein Antragsformular auszufüllen, und Sie werden benachrichtigt, wenn Ihr Antrag bewilligt wird. Mehr erfahren.
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
