課程信息

84,339 次近期查看

學生職業成果

37%

完成這些課程後已開始新的職業生涯

38%

通過此課程獲得實實在在的工作福利
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 4 門課程(共 4 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
完成時間大約為14 小時
英語(English)
字幕:英語(English), 韓語, 阿拉伯語(Arabic)

您將獲得的技能

Data Clustering AlgorithmsK-Means ClusteringMachine LearningK-D Tree

學生職業成果

37%

完成這些課程後已開始新的職業生涯

38%

通過此課程獲得實實在在的工作福利
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 4 門課程(共 4 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
完成時間大約為14 小時
英語(English)
字幕:英語(English), 韓語, 阿拉伯語(Arabic)

提供方

华盛顿大学 徽標

华盛顿大学

教學大綱 - 您將從這門課程中學到什麼

內容評分Thumbs Up91%(5,397 個評分)Info
1

1

完成時間為 1 小時

Welcome

完成時間為 1 小時
4 個視頻 (總計 25 分鐘), 4 個閱讀材料
4 個視頻
Course overview3分鐘
Module-by-module topics covered8分鐘
Assumed background6分鐘
4 個閱讀材料
Important Update regarding the Machine Learning Specialization10分鐘
Slides presented in this module10分鐘
Software tools you'll need for this course10分鐘
A big week ahead!10分鐘
2

2

完成時間為 4 小時

Nearest Neighbor Search

完成時間為 4 小時
22 個視頻 (總計 137 分鐘), 4 個閱讀材料, 5 個測驗
22 個視頻
1-NN algorithm2分鐘
k-NN algorithm6分鐘
Document representation5分鐘
Distance metrics: Euclidean and scaled Euclidean6分鐘
Writing (scaled) Euclidean distance using (weighted) inner products4分鐘
Distance metrics: Cosine similarity9分鐘
To normalize or not and other distance considerations6分鐘
Complexity of brute force search1分鐘
KD-tree representation9分鐘
NN search with KD-trees7分鐘
Complexity of NN search with KD-trees5分鐘
Visualizing scaling behavior of KD-trees4分鐘
Approximate k-NN search using KD-trees7分鐘
Limitations of KD-trees3分鐘
LSH as an alternative to KD-trees4分鐘
Using random lines to partition points5分鐘
Defining more bins3分鐘
Searching neighboring bins8分鐘
LSH in higher dimensions4分鐘
(OPTIONAL) Improving efficiency through multiple tables22分鐘
A brief recap2分鐘
4 個閱讀材料
Slides presented in this module10分鐘
Choosing features and metrics for nearest neighbor search10分鐘
(OPTIONAL) A worked-out example for KD-trees10分鐘
Implementing Locality Sensitive Hashing from scratch10分鐘
5 個練習
Representations and metrics12分鐘
Choosing features and metrics for nearest neighbor search10分鐘
KD-trees10分鐘
Locality Sensitive Hashing10分鐘
Implementing Locality Sensitive Hashing from scratch10分鐘
3

3

完成時間為 2 小時

Clustering with k-means

完成時間為 2 小時
13 個視頻 (總計 79 分鐘), 2 個閱讀材料, 3 個測驗
13 個視頻
An unsupervised task6分鐘
Hope for unsupervised learning, and some challenge cases4分鐘
The k-means algorithm7分鐘
k-means as coordinate descent6分鐘
Smart initialization via k-means++4分鐘
Assessing the quality and choosing the number of clusters9分鐘
Motivating MapReduce8分鐘
The general MapReduce abstraction5分鐘
MapReduce execution overview and combiners6分鐘
MapReduce for k-means7分鐘
Other applications of clustering7分鐘
A brief recap1分鐘
2 個閱讀材料
Slides presented in this module10分鐘
Clustering text data with k-means10分鐘
3 個練習
k-means18分鐘
Clustering text data with K-means16分鐘
MapReduce for k-means10分鐘
4

4

完成時間為 3 小時

Mixture Models

完成時間為 3 小時
15 個視頻 (總計 91 分鐘), 4 個閱讀材料, 3 個測驗
15 個視頻
Aggregating over unknown classes in an image dataset6分鐘
Univariate Gaussian distributions2分鐘
Bivariate and multivariate Gaussians7分鐘
Mixture of Gaussians6分鐘
Interpreting the mixture of Gaussian terms5分鐘
Scaling mixtures of Gaussians for document clustering5分鐘
Computing soft assignments from known cluster parameters7分鐘
(OPTIONAL) Responsibilities as Bayes' rule5分鐘
Estimating cluster parameters from known cluster assignments6分鐘
Estimating cluster parameters from soft assignments8分鐘
EM iterates in equations and pictures6分鐘
Convergence, initialization, and overfitting of EM9分鐘
Relationship to k-means3分鐘
A brief recap1分鐘
4 個閱讀材料
Slides presented in this module10分鐘
(OPTIONAL) A worked-out example for EM10分鐘
Implementing EM for Gaussian mixtures10分鐘
Clustering text data with Gaussian mixtures10分鐘
3 個練習
EM for Gaussian mixtures18分鐘
Implementing EM for Gaussian mixtures12分鐘
Clustering text data with Gaussian mixtures8分鐘

審閱

來自MACHINE LEARNING: CLUSTERING & RETRIEVAL的熱門評論

查看所有評論

關於 机器学习 專項課程

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....
机器学习

常見問題

  • 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.
  • 您注册课程后,将有权访问专项课程中的所有课程,并且会在完成课程后获得证书。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。

  • 如果订阅,您可以获得 7 天免费试听,在此期间,您可以取消课程,无需支付任何罚金。在此之后,我们不会退款,但您可以随时取消订阅。请阅读我们完整的退款政策

  • 是的,Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤,包括毕业项目。了解更多

  • 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。

還有其他問題嗎?請訪問 學生幫助中心