Informações sobre o curso

76,660 visualizações recentes

Resultados de carreira do aprendiz

37%

comecei uma nova carreira após concluir estes cursos

38%

consegui um benefício significativo de carreira com este curso
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Aprox. 14 horas para completar
Inglês
Legendas: Inglês, Coreano, Árabe

Habilidades que você terá

Data Clustering AlgorithmsK-Means ClusteringMachine LearningK-D Tree

Resultados de carreira do aprendiz

37%

comecei uma nova carreira após concluir estes cursos

38%

consegui um benefício significativo de carreira com este curso
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Aprox. 14 horas para completar
Inglês
Legendas: Inglês, Coreano, Árabe

oferecido por

Logotipo de Universidade de Washington

Universidade de Washington

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up91%(5,386 classificações)Info
Semana
1

Semana 1

1 hora para concluir

Welcome

1 hora para concluir
4 vídeos (Total 25 mín.), 4 leituras
4 videos
Course overview3min
Module-by-module topics covered8min
Assumed background6min
4 leituras
Important Update regarding the Machine Learning Specialization10min
Slides presented in this module10min
Software tools you'll need for this course10min
A big week ahead!10min
Semana
2

Semana 2

4 horas para concluir

Nearest Neighbor Search

4 horas para concluir
22 vídeos (Total 137 mín.), 4 leituras, 5 testes
22 videos
1-NN algorithm2min
k-NN algorithm6min
Document representation5min
Distance metrics: Euclidean and scaled Euclidean6min
Writing (scaled) Euclidean distance using (weighted) inner products4min
Distance metrics: Cosine similarity9min
To normalize or not and other distance considerations6min
Complexity of brute force search1min
KD-tree representation9min
NN search with KD-trees7min
Complexity of NN search with KD-trees5min
Visualizing scaling behavior of KD-trees4min
Approximate k-NN search using KD-trees7min
Limitations of KD-trees3min
LSH as an alternative to KD-trees4min
Using random lines to partition points5min
Defining more bins3min
Searching neighboring bins8min
LSH in higher dimensions4min
(OPTIONAL) Improving efficiency through multiple tables22min
A brief recap2min
4 leituras
Slides presented in this module10min
Choosing features and metrics for nearest neighbor search10min
(OPTIONAL) A worked-out example for KD-trees10min
Implementing Locality Sensitive Hashing from scratch10min
5 exercícios práticos
Representations and metrics12min
Choosing features and metrics for nearest neighbor search10min
KD-trees10min
Locality Sensitive Hashing10min
Implementing Locality Sensitive Hashing from scratch10min
Semana
3

Semana 3

2 horas para concluir

Clustering with k-means

2 horas para concluir
13 vídeos (Total 79 mín.), 2 leituras, 3 testes
13 videos
An unsupervised task6min
Hope for unsupervised learning, and some challenge cases4min
The k-means algorithm7min
k-means as coordinate descent6min
Smart initialization via k-means++4min
Assessing the quality and choosing the number of clusters9min
Motivating MapReduce8min
The general MapReduce abstraction5min
MapReduce execution overview and combiners6min
MapReduce for k-means7min
Other applications of clustering7min
A brief recap1min
2 leituras
Slides presented in this module10min
Clustering text data with k-means10min
3 exercícios práticos
k-means18min
Clustering text data with K-means16min
MapReduce for k-means10min
Semana
4

Semana 4

3 horas para concluir

Mixture Models

3 horas para concluir
15 vídeos (Total 91 mín.), 4 leituras, 3 testes
15 videos
Aggregating over unknown classes in an image dataset6min
Univariate Gaussian distributions2min
Bivariate and multivariate Gaussians7min
Mixture of Gaussians6min
Interpreting the mixture of Gaussian terms5min
Scaling mixtures of Gaussians for document clustering5min
Computing soft assignments from known cluster parameters7min
(OPTIONAL) Responsibilities as Bayes' rule5min
Estimating cluster parameters from known cluster assignments6min
Estimating cluster parameters from soft assignments8min
EM iterates in equations and pictures6min
Convergence, initialization, and overfitting of EM9min
Relationship to k-means3min
A brief recap1min
4 leituras
Slides presented in this module10min
(OPTIONAL) A worked-out example for EM10min
Implementing EM for Gaussian mixtures10min
Clustering text data with Gaussian mixtures10min
3 exercícios práticos
EM for Gaussian mixtures18min
Implementing EM for Gaussian mixtures12min
Clustering text data with Gaussian mixtures8min

Avaliações

Principais avaliações do MACHINE LEARNING: CLUSTERING & RETRIEVAL

Visualizar todas as avaliações

Sobre Programa de cursos integrados Aprendizagem Automática

This Specialization from leading researchers at the University of Washington introduces you to the exciting, high-demand field of Machine Learning. Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data....
Aprendizagem Automática

Perguntas Frequentes – FAQ

  • 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.
  • Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

  • Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.

  • Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .

  • Este curso não oferece créditos universitários, mas algumas universidades podem aceitar certificados de cursos que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.