Аноним
Маска Организаторов
- Сообщения
- Монеты
- +89.5
- Оплачено
- 5
- Купоны
- 0
- Кешбэк
- 0
- Баллы
- 0
- @Skladchiki
- #1
Складчина: [Udemy] Кластерный анализ своими руками (Artem Karateev)
- Ссылка на картинку
-
Курс для начинающих
Чему вы научитесь:
Кластерный анализ применяется везде, где идет речь о группировке или классификации объектов - будь то группировка товаров на рынке, потенциальных покупателей, политических лидеров или стран. Кластеризация активно используется в машинном обучении.
Этот курс поможет вам разобраться, что такое кластерный анализ, и вы научитесь выполнять его своими руками. Вы получите пошаговые инструкции различных вариантов группировки и классификации объектов, визуализации результатов, а также использования языка R для этих целей.
Мы изучим ключевые идеи кластерного анализа и его популярные разновидности – иерархический анализ и метод К-средних. Изучим, как строить и анализировать матрицы расстояний и как рисовать дендрогаммы.
Курс является, скорее, прикладным, нежели теоретическим – мы в большей степени будем говорить о том, как проводить кластерный анализ на конкретных примерах.
Этот курс создан для студентов (а может, и школьников), начинающих специалистов в области data science, которые хотят понять, как и в каких случаях применять кластерный анализ, что он вообще делает, и при этом не обладают глубокими математическими знаниями. Самое сложное, о чем мы будем говорить (с точки зрения математики), – это квадратный корень и теорема Пифагора. Самое главное, что я хочу сказать, - что кластерный анализ не так сложен, как кажется; его довольно легко понять и освоить.
Присоединяйтесь к курсу и удачи вам в освоении кластерного анализа и его различных вариантов!
Для кого этот курс:
Чему вы научитесь:
- Курс построен на решении конкретных простых задач. Вы научитесь самостоятельно проводить кластерный анализ
- Возможности и цели кластерного анализа
- Иерархический кластерный анализ
- Метод К-средних
- Евклидовы и манхэттенские расстояния
- Измерений расстояний с помощью коэффициента Пирсона
- Методы ближнего и дальнего соседа (неполной и полной связи)
- Построение матриц расстояний
- Построение дендрограммы и другие методы визуализации
- Использование R
- Предварительная подготовка данных для кластерного анализа
- Анализ результатов КА
- навыки программирования не требуются, вы научитесь всему необходимому
Кластерный анализ применяется везде, где идет речь о группировке или классификации объектов - будь то группировка товаров на рынке, потенциальных покупателей, политических лидеров или стран. Кластеризация активно используется в машинном обучении.
Этот курс поможет вам разобраться, что такое кластерный анализ, и вы научитесь выполнять его своими руками. Вы получите пошаговые инструкции различных вариантов группировки и классификации объектов, визуализации результатов, а также использования языка R для этих целей.
Мы изучим ключевые идеи кластерного анализа и его популярные разновидности – иерархический анализ и метод К-средних. Изучим, как строить и анализировать матрицы расстояний и как рисовать дендрогаммы.
Курс является, скорее, прикладным, нежели теоретическим – мы в большей степени будем говорить о том, как проводить кластерный анализ на конкретных примерах.
Этот курс создан для студентов (а может, и школьников), начинающих специалистов в области data science, которые хотят понять, как и в каких случаях применять кластерный анализ, что он вообще делает, и при этом не обладают глубокими математическими знаниями. Самое сложное, о чем мы будем говорить (с точки зрения математики), – это квадратный корень и теорема Пифагора. Самое главное, что я хочу сказать, - что кластерный анализ не так сложен, как кажется; его довольно легко понять и освоить.
Присоединяйтесь к курсу и удачи вам в освоении кластерного анализа и его различных вариантов!
Для кого этот курс:
- Для всех, кто хочет понять кластерный анализ и научиться его использовать
- Для студентов (и даже школьников)
- Для тех, кто считает себя гуманитарием и уверен, что никогда не сможет понять математику
- Для тех, кто хочет стать data scientist'ом
- Для тех, кто хочет программировать на R
