Informações sobre o curso

105,071 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. 17 horas para completar
Inglês

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. 17 horas para completar
Inglês

oferecido por

Placeholder

Universidade de Washington

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up91%(5,747 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

5 horas para concluir

Nearest Neighbor Search

5 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 metrics30min
Choosing features and metrics for nearest neighbor search30min
KD-trees30min
Locality Sensitive Hashing30min
Implementing Locality Sensitive Hashing from scratch30min
Semana
3

Semana 3

3 horas para concluir

Clustering with k-means

3 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-means30min
Clustering text data with K-means16min
MapReduce for k-means30min
Semana
4

Semana 4

4 horas para concluir

Mixture Models

4 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 mixtures30min
Implementing EM for Gaussian mixtures30min
Clustering text data with Gaussian mixtures30min

Avaliações

Principais avaliações do MACHINE LEARNING: CLUSTERING & RETRIEVAL

Visualizar todas as avaliações

Sobre Programa de cursos integrados Aprendizagem Automática

Aprendizagem Automática

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.