课程信息

129,562 次近期查看
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
可灵活调整截止日期
根据您的日程表重置截止日期。
初级

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

完成时间大约为30 小时
英语(English)
字幕:英语(English)

您将学到的内容有

  • 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.

您将获得的技能

K-Means ClusteringMachine LearningProgramming in Python
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
可灵活调整截止日期
根据您的日程表重置截止日期。
初级

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

完成时间大约为30 小时
英语(English)
字幕:英语(English)

提供方

伦敦大学 徽标

伦敦大学

伦敦大学金匠学院 徽标

伦敦大学金匠学院

教学大纲 - 您将从这门课程中学到什么

内容评分Thumbs Up94%(3,876 个评分)Info
1

1

完成时间为 7 小时

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

完成时间为 7 小时
9 个视频 (总计 22 分钟)
9 个视频
Introduction to Data Science2分钟
What is Data?1分钟
Types of Data1分钟
Machine Learning3分钟
Supervised vs Unsupervised Learning2分钟
K-Means Clustering4分钟
Preparing your Data1分钟
A Real World Dataset53
4 个练习
Types of Data – Review Information15分钟
Supervised vs Unsupervised – Review Information15分钟
K-Means Clustering – Review Information30分钟
Week 1 Summative Assessment40分钟
2

2

完成时间为 4 小时

Week 2: Means and Deviations in Mathematics and Python

完成时间为 4 小时
11 个视频 (总计 37 分钟), 4 个阅读材料, 11 个测验
11 个视频
2.1 – Introduction to Mathematical Concepts of Data Clustering1分钟
2.2 – Mean of One Dimensional Lists2分钟
2.3 – Variance and Standard Deviation3分钟
2.4 Jupyter Notebooks6分钟
2.5 Variables4分钟
2.6 Lists4分钟
2.7 Computing the Mean3分钟
2.8 Better Lists: NumPy3分钟
2.9 Computing the Standard Deviation6分钟
Week 2 Conclusion31
4 个阅读材料
Population vs Sample, Bias10分钟
Variability, Standard Deviation and Bias10分钟
Python Style Guide10分钟
Numpy and Array Creation20分钟
10 个练习
Population vs Sample – Review Information5分钟
Mean of One Dimensional Lists – Review Information3分钟
Variance and Standard Deviation – Review Information4分钟
Jupyter Notebooks – Review Information20分钟
Variables – Review Information10分钟
Lists – Review Information10分钟
Computing the Mean – Review Information10分钟
Better Lists – Review Information10分钟
Computing the Standard Deviation – Review Information10分钟
Week 2 Summative Assessment40分钟
3

3

完成时间为 4 小时

Week 3: Moving from One to Two Dimensional Data

完成时间为 4 小时
16 个视频 (总计 53 分钟), 10 个阅读材料, 15 个测验
16 个视频
3.1 Multidimensional Data Points and Features2分钟
3.2 Multidimensional Mean2分钟
3.3 Dispersion: Multidimensional Variables3分钟
3.4 Distance Metrics5分钟
3.5 Normalisation1分钟
3.6 Outliers1分钟
3.7 Basic Plotting2分钟
3.7a Storing 2D Coordinates in a Single Data Structure6分钟
3.8 Multidimensional Mean4分钟
3.9 Adding Graphical Overlays5分钟
3.10 Calculating the Distance to the Mean3分钟
3.11 List Comprehension3分钟
3.12 Normalisation in Python5分钟
3.13 Outliers and Plotting Normalised Data2分钟
Week 3 Conclusion30
10 个阅读材料
Multidimensional Data Points and Features Recap10分钟
Multidimensional Mean Recap10分钟
Multidimensional Variables Recap10分钟
Distance Metrics Recap10分钟
Normalisation Recap10分钟
Note on Matplotlib10分钟
Matplotlib Scatter Plot Documentation20分钟
Matplotlib Patches Documentation10分钟
List Comprehension Documentation20分钟
3.12 Errata10分钟
15 个练习
Multidimensional Data Points and Features – Review Information3分钟
Multidimensional Mean – Review Information3分钟
Dispersion: Multidimensional Variables – Review Information5分钟
Distance Metrics – Review Information6分钟
Normalisation – Review Information3分钟
Outliers – Review Information4分钟
Basic Plotting – Review Information5分钟
Storing 2D Coordinates – Review Information4分钟
Multidimensional Mean – Review Information4分钟
Adding Graphical Overlays – Review Information6分钟
Calculating Distance – Review Information6分钟
List Comprehension – Review Information4分钟
Normalisation in Python – Review Information4分钟
Outliers – Review Information2分钟
Week 3 Summative Assessment25分钟
4

4

完成时间为 5 小时

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

完成时间为 5 小时
8 个视频 (总计 37 分钟), 6 个阅读材料, 8 个测验
8 个视频
4.1: Using the Pandas Library to Read csv Files5分钟
4.1a: Sorting and Filtering Data Using Pandas8分钟
4.1b: Labelling Points on a Graph4分钟
4.1c: Labelling all the Points on a Graph3分钟
4.2: Eyeballing the Data5分钟
4.3: Using K-Means to Interpret the Data8分钟
Week 4: Conclusion35
6 个阅读材料
Week 4 Code Resources5分钟
Pandas Read_CSV Function15分钟
More Pandas Library Documentation10分钟
The Pyplot Text Function10分钟
For Loops in Python10分钟
Documentation for sklearn.cluster.KMeans10分钟
7 个练习
Using the Pandas Library to Read csv Files – Review Information5分钟
Sorting and Filtering Data Using Pandas – Review Information10分钟
Labelling Points on a Graph – Review Information5分钟
Labelling all the Points on a Graph – Review Information5分钟
Eyeballing the Data – Review Information5分钟
Using K-Means to Interpret the Data – Review Information5分钟
Week 4 Summative Assessment40分钟

审阅

来自FOUNDATIONS OF DATA SCIENCE: K-MEANS CLUSTERING IN PYTHON的热门评论

查看所有评论

常见问题

  • 讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程,则可以免费查看大多数课程资料。要访问评分作业并获得证书,您需要在旁听期间或之后购买证书体验。如果看不到旁听选项:

    • 课程可能不提供旁听选项。您可以尝试免费试用,也可以申请助学金。
    • 课程可能会改为提供'完整课程,没有证书'。通过此选项,您可以查看所有课程材料、提交所要求的作业,以及获得最终成绩。这也意味着您将无法购买证书体验。
  • 您购买证书后,将有权访问所有课程材料,包括评分作业。完成课程后,您的电子课程证书将添加到您的成就页中,您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容,可以免费旁听课程。

  • 您可在付款后两周内,或者在课程第一个班次开课后(对于已启动的课程)两周内,获得全额退款,以其中较晚者为准。获得课程证书后,您便无法再退款;即使您在两周的退款期内完成了课程,也是如此。请阅读我们完整的退款政策

  • 是的,Coursera 可以向无法承担学费的学生提供助学金。点击左侧‘注册’按钮下的‘助学金’链接即可申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。了解详情

  • 此课程不提供大学学分,但部分大学可能会选择接受课程证书作为学分。查看您的合作院校,了解详情。Coursera 上的在线学位Mastertrack™ 证书提供获得大学学分的机会。

还有其他问题吗?请访问 学生帮助中心