このコースについて

129,636 最近の表示
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
初級レベル

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

約30時間で修了
英語
字幕:英語

学習内容

  • 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.

習得するスキル

K-Means ClusteringMachine LearningProgramming in Python
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
初級レベル

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

約30時間で修了
英語
字幕:英語

提供:

ロンドン大学(University of London) ロゴ

ロンドン大学(University of London)

ロンドン大学ゴールドスミス・カレッジ(Goldsmiths, University of London) ロゴ

ロンドン大学ゴールドスミス・カレッジ(Goldsmiths, University of London)

シラバス - 本コースの学習内容

コンテンツの評価Thumbs Up94%(4,068 件の評価)Info
1

1

7時間で修了

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

7時間で修了
9件のビデオ (合計22分)
9件のビデオ
Introduction to Data Science2 分
What is Data?1 分
Types of Data1 分
Machine Learning3 分
Supervised vs Unsupervised Learning2 分
K-Means Clustering4 分
Preparing your Data1 分
A Real World Dataset53
4の練習問題
Types of Data – Review Information15 分
Supervised vs Unsupervised – Review Information15 分
K-Means Clustering – Review Information30 分
Week 1 Summative Assessment40 分
2

2

4時間で修了

Week 2: Means and Deviations in Mathematics and Python

4時間で修了
11件のビデオ (合計37分), 4 readings, 11 quizzes
11件のビデオ
2.1 – Introduction to Mathematical Concepts of Data Clustering1 分
2.2 – Mean of One Dimensional Lists2 分
2.3 – Variance and Standard Deviation3 分
2.4 Jupyter Notebooks6 分
2.5 Variables4 分
2.6 Lists4 分
2.7 Computing the Mean3 分
2.8 Better Lists: NumPy3 分
2.9 Computing the Standard Deviation6 分
Week 2 Conclusion31
4件の学習用教材
Population vs Sample, Bias10 分
Variability, Standard Deviation and Bias10 分
Python Style Guide10 分
Numpy and Array Creation20 分
10の練習問題
Population vs Sample – Review Information5 分
Mean of One Dimensional Lists – Review Information3 分
Variance and Standard Deviation – Review Information4 分
Jupyter Notebooks – Review Information20 分
Variables – Review Information10 分
Lists – Review Information10 分
Computing the Mean – Review Information10 分
Better Lists – Review Information10 分
Computing the Standard Deviation – Review Information10 分
Week 2 Summative Assessment40 分
3

3

4時間で修了

Week 3: Moving from One to Two Dimensional Data

4時間で修了
16件のビデオ (合計53分), 10 readings, 15 quizzes
16件のビデオ
3.1 Multidimensional Data Points and Features2 分
3.2 Multidimensional Mean2 分
3.3 Dispersion: Multidimensional Variables3 分
3.4 Distance Metrics5 分
3.5 Normalisation1 分
3.6 Outliers1 分
3.7 Basic Plotting2 分
3.7a Storing 2D Coordinates in a Single Data Structure6 分
3.8 Multidimensional Mean4 分
3.9 Adding Graphical Overlays5 分
3.10 Calculating the Distance to the Mean3 分
3.11 List Comprehension3 分
3.12 Normalisation in Python5 分
3.13 Outliers and Plotting Normalised Data2 分
Week 3 Conclusion30
10件の学習用教材
Multidimensional Data Points and Features Recap10 分
Multidimensional Mean Recap10 分
Multidimensional Variables Recap10 分
Distance Metrics Recap10 分
Normalisation Recap10 分
Note on Matplotlib10 分
Matplotlib Scatter Plot Documentation20 分
Matplotlib Patches Documentation10 分
List Comprehension Documentation20 分
3.12 Errata10 分
15の練習問題
Multidimensional Data Points and Features – Review Information3 分
Multidimensional Mean – Review Information3 分
Dispersion: Multidimensional Variables – Review Information5 分
Distance Metrics – Review Information6 分
Normalisation – Review Information3 分
Outliers – Review Information4 分
Basic Plotting – Review Information5 分
Storing 2D Coordinates – Review Information4 分
Multidimensional Mean – Review Information4 分
Adding Graphical Overlays – Review Information6 分
Calculating Distance – Review Information6 分
List Comprehension – Review Information4 分
Normalisation in Python – Review Information4 分
Outliers – Review Information2 分
Week 3 Summative Assessment25 分
4

4

5時間で修了

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

5時間で修了
8件のビデオ (合計37分), 6 readings, 8 quizzes
8件のビデオ
4.1: Using the Pandas Library to Read csv Files5 分
4.1a: Sorting and Filtering Data Using Pandas8 分
4.1b: Labelling Points on a Graph4 分
4.1c: Labelling all the Points on a Graph3 分
4.2: Eyeballing the Data5 分
4.3: Using K-Means to Interpret the Data8 分
Week 4: Conclusion35
6件の学習用教材
Week 4 Code Resources5 分
Pandas Read_CSV Function15 分
More Pandas Library Documentation10 分
The Pyplot Text Function10 分
For Loops in Python10 分
Documentation for sklearn.cluster.KMeans10 分
7の練習問題
Using the Pandas Library to Read csv Files – Review Information5 分
Sorting and Filtering Data Using Pandas – Review Information10 分
Labelling Points on a Graph – Review Information5 分
Labelling all the Points on a Graph – Review Information5 分
Eyeballing the Data – Review Information5 分
Using K-Means to Interpret the Data – Review Information5 分
Week 4 Summative Assessment40 分

レビュー

FOUNDATIONS OF DATA SCIENCE: K-MEANS CLUSTERING IN PYTHON からの人気レビュー

すべてのレビューを見る

よくある質問

  • 講義と課題へのアクセスは、登録のタイプによって異なります。聴講モードでコースを受講すると、ほとんどのコース教材を無料で見ることができます。採点された課題にアクセスして修了証を取得するには、聴講中または聴講後に、修了証エクスペリエンスを購入する必要があります。聴講オプションが表示されない場合:

    • コースは聴講オプションを提供していない可能性があります。代わりに無料トライアルをお試しいただくか、学資援助を申請することができます。
    • コースは、聴講オプションを提供せずに「修了証なしフルコース」オプションを提供する場合があります。このオプションでは、すべてのコース教材が表示され、必須の評価を提出して、最終成績を取得することができます。この場合、修了証エクスペリエンスは購入できません。
  • 修了証を購入する際、コースのすべての教材(採点課題を含む)にアクセスできます。コースを完了すると、電子修了証が成果のページに追加されます。そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。

  • 支払日から2週間後、または(開始直後のコースの場合は)コースの最初のセッションが開始されてから2週間後の、いずれかの遅い日付の期間までが全額の返金の対象となります。コースの修了証を取得した後は、2週間以内にコースを完了した場合でも返金することはできません。返金ポリシーをすべて表示します

  • はい。受講料の支払いが難しい受講生に、Coursera(コーセラ)は学資援助を提供しています。左側の[登録]ボタンの下にある[学資援助]のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。詳細

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。