Gostando da prévia?
Esta é a primeira aula gratuita. Tenha acesso completo: solicite uma demo ou faça login.
Agrupamento em Aprendizado de Máquina
Aprende os conceitos básicos de machine learning e suas aplicações.Preview the first lesson free — get full access to all 37 lessons.
Intermediário Fornecedor : Briana Brownell 8 capítulos · 37 lições · 2h 39m em Árabe, Alemão, Inglês, Espanhol, Francês, Português, Urdu, Chinese
Descrição do curso
Neste curso, aprenderás o básico de uma variedade de áreas de aprendizado de máquina, a incluir clustering, deteção de anomalias e modelagem de associação. Entenderás o método mais comum de agrupamento, k-means, e como ele pode ser aplicado a dados de pesquisa para criares uma segmentação robusta de clientes, a incluir a criação de personas e uma ferramenta de digitação. Ao final deste curso, saberás como executares várias técnicas diferentes de agrupamento e análise. Mais especificamente, revisarás os métodos mais comuns de clustering, juntamente com teu desempenho em vários conjuntos de dados de exemplo. Aprenderás a analisar dados em busca de anomalias intencionais e não intencionais, como fraudes e erros de entrada de dados, detectar dados anômalos e ver como validá-los. Examinarás como criares regras de associação entre compras e como elas podem informar a estratégia de uma loja de varejo ou um site de comércio eletrónico. Os desafios comuns serão abordados para que possas garantir que os modelos criados sejam válidos e robustos. Por fim, terás a chance de revisares vários estudos de caso para ver como o que aprendeste funciona em detalhes.
O Que Você Vai Aprender
- Compreenda os vários algoritmos de clustering e seus pontos fortes e fracos, incluindo k-means, mini-batch k-means, aglomerativo, espectral, DBSCAN e modelos de mistura gaussiana
- Escolha o melhor algoritmo de clustering para um problema específico e identifique onde o clustering se aplica a problemas do mundo real
- Aplique k-means a dados de pesquisa para criar segmentação de clientes, personas e uma ferramenta de digitação
- Detecte anomalias intencionais e não intencionais, como fraude e erros de entrada de dados usando uma variedade de métodos e valide-as
- Crie regras de associação usando suporte, confiança e elevação para compreender o comportamento de compra
- Analise estudos de caso de modelos de clustering e detecção de anomalias que foram implementados
Principais Conclusões
- K-means é o método mais comum de clustering e pode ser aplicado a dados de pesquisa para criar segmentação de clientes, personas e uma ferramenta de digitação.
- O clustering abrange uma série de técnicas não supervisionadas e a seleção do algoritmo correto depende do problema específico e do conjunto de dados.
- A detecção de anomalias pode encontrar anomalias intencionais como fraude e não intencionais como erros de entrada de dados, e as anomalias detectadas devem ser validadas.
- As regras de associação descrevem relacionamentos entre compras e podem informar a estratégia de uma loja de varejo ou um site de e-commerce.
- Abordar desafios comuns ajuda a garantir que os modelos de clustering e análise criados sejam válidos e robustos.
Perguntas Frequentes
Quais tópicos este curso cobre?
O curso cobre os fundamentos de várias áreas de aprendizado de máquina, incluindo clustering, detecção de anomalias e modelagem de associação. Ele revisa métodos comuns de clustering e seu desempenho em conjuntos de dados de exemplo, detecção de anomalias, criação de regras de associação e estudos de caso de modelos implementados.
Quais algoritmos de clustering vou aprender?
Você revisará métodos de clustering incluindo o algoritmo k-means, mini-batch k-means, clustering aglomerativo, clustering espectral, DBSCAN e modelos de mistura gaussiana, juntamente com uma comparação de algoritmos.
Que habilidades vou ganhar com este curso?
Você ganhará habilidades em análise de clusters, ciência de dados, clustering hierárquico, clustering k-means, métodos de aprendizado de máquina e clustering espectral.
Como o k-means é aplicado neste curso?
K-means é aplicado a dados de pesquisa para criar uma segmentação robusta de clientes, incluindo a criação de personas e uma ferramenta de digitação, e o curso também cobre a escolha de variáveis de entrada, escolha do número de clusters, interpretação do centroide e métricas de qualidade do modelo.
O que poderei fazer com regras de associação?
Você aprenderá como criar regras de associação entre compras usando suporte, confiança e elevação, e verá como elas podem informar a estratégia de uma loja de varejo ou um site de e-commerce.
