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.
提供：
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）
Foundations of Data Science: K-Means Clustering in Python
ロンドン大学（University of London）このコースについて
144,569 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）
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
ロンドン大学ゴールドスミス・カレッジ（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.
シラバス - 本コースの学習内容
7時間で修了
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
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
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
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
よくある質問
いつ講座や課題にアクセスできるようになりますか？
修了証に登録すると、すべてのビデオ、テスト、およびプログラミング課題（該当する場合）にアクセスできます。ピアレビュー課題は、セッションが開始してからのみ、提出およびレビューできます。購入せずにコースを検討することを選択する場合、特定の課題にアクセスすることはできません。
修了証を購入すると何を行えるようになりますか？
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。
返金ポリシーについて教えてください。
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。
学資援助はありますか？
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。