Analisando Clusters de Dados

Name: Analisando Clusters de Dados
Author: Briana Brownell

Introdução ao clustering e modelagem e seus usos para resolução de problemas.

Preview the first lesson free — get full access to all 7 lessons.

Curso: sob demanda

Nesta lição, vamos começar falando sobre algumas das teorias básicas por trás do agrupamento e por que você gostaria de usá-lo na prática, incluindo maneiras de usar o clustering juntamente com outros métodos de aprendizado de máquina como redução de dimensão, engenharia de recursos, e previsão. O aprendizado de máquina não supervisionado é um dos três tipos principais de aprendizado de máquina junto com aprendizado supervisionado e aprendizado por reforço. Todos os estilos de aprendizado de máquina usam dados para aprender. Esta definição do Dr. Schapire em Princeton dá uma ideia dos estilos de aprendizagem que podemos fazer com aprendizado de máquina. Uma maneira de pensar sobre aprendizado de máquina não supervisionado é que, ao contrário do aprendizado supervisionado e por reforço, aprendizagem não supervisionada é aprender sem um professor. Enquanto o aprendizado de máquina supervisionado usa exemplos rotulados e aprendizado por reforço usa algum tipo de função de utilidade ou objetivo geral, O aprendizado de máquina não supervisionado nos permite para encontrar padrões emergentes dentro de conjuntos de dados. E é por isso que o aprendizado de máquina não supervisionado tem suas próprias áreas especiais de casos de uso dentro do mundo do aprendizado de máquina como um todo. Isso porque, muitas vezes, estamos tentando fazer previsões onde temos que fazer algum tipo de suposição sobre as relações entre as variáveis e os padrões de dados que podemos ver. No aprendizado de máquina não supervisionado, queremos encontrar esses padrões sem imprimir uma hipótese específica sobre os dados antes do tempo. Isso nos permite encontrar coisas realmente surpreendentes. E ao agrupar especialmente esses padrões emergentes pode ser extremamente útil. O aprendizado não supervisionado pode ser usado para uma ampla variedade de de diferentes tarefas, incluindo segmentação de clientes, detecção de anomalias para coisas como fraude, bem como em vários tipos diferentes de modelagem de linguagem como agrupar artigos que são sobre tópicos semelhantes juntos. Então agora você deve ter uma ideia de como o aprendizado de máquina não supervisionado se relaciona aprendizagem supervisionada, bem como a aprendizagem por reforço, e as diferenças fundamentais entre eles.

Intermediário Fornecedor : Briana Brownell 7 lições · 36m em Árabe, Alemão, Inglês, Espanhol, Francês, Português, Urdu, Chinese

Descrição do curso

Estas lições apresentarão o clustering e seu espaço de problemas no aprendizado de máquina não supervisionado. Serás apresentado aos pares de clustering com outras etapas de modelagem, como redução de dimensão, engenharia de recursos e previsão. Também aprenderás a considerar o clustering do ponto de vista comercial, juntamente com os tipos de problemas para os quais ele é útil.

O Que Você Vai Aprender

Reconheça como o clustering se combina com outras áreas de aprendizado de máquina
Aplique etapas de modelagem incluindo redução de dimensionalidade e predição
Aplique clustering a áreas de operações comerciais
Compare técnicas de clustering como K-Means, clustering hierárquico e clustering espectral
Use medidas de similaridade para analisar clusters de dados
Combine clustering com engenharia de características

Principais Conclusões

O clustering é parte do espaço de problema dentro do aprendizado de máquina não supervisionado.
O clustering pode ser combinado com outras etapas de modelagem, como redução de dimensionalidade, engenharia de características e predição.
O clustering pode ser considerado de um ponto de vista comercial e aplicado a operações comerciais.
O curso cobre clustering básico e medidas de similaridade como fundações para análise de clusters.
O clustering é útil para certos tipos de problemas, o que o curso ajuda a identificar.

Perguntas Frequentes

O que este curso cobre?

Ele introduz o clustering e seu espaço de problema dentro do aprendizado de máquina não supervisionado, incluindo como o clustering se combina com outras etapas de modelagem como redução de dimensionalidade, engenharia de características e predição, e como considerar o clustering de um ponto de vista comercial.

Que habilidades vou ganhar com este curso?

Você construirá habilidades em análise de clusters, classificação de dados, clustering hierárquico, clustering K-Means, clustering espectral e aprendizado não supervisionado.

Quais tópicos são ensinados nas lições?

As lições cobrem Aprendizado de Máquina Não Supervisionado, Fundamentos de Clustering, Medidas de Similaridade, Clustering e Redução de Dimensionalidade, Clustering e Engenharia de Características, Clustering e Predição, e Usando Clusters de Dados.

Como este curso conecta o clustering aos negócios?

Ele ensina como considerar o clustering de um ponto de vista comercial, para quais tipos de problemas é útil e como aplicar o clustering a áreas de operações comerciais.