Unsupervised Machine Learning: Clustering and Dimensionality Reduction (bằng tiếng Anh).

Hiểu được cách trích xuất cấu trúc có ý nghĩa từ dữ liệu thô, không có nhãn là một kỹ năng quan trọng trong khoa học dữ kiện hiện đại. Chương trình này cung cấp một nền tảng khái niệm rõ ràng trong học không giám sát, dạy bạn áp dụng các thuật toán mạnh mẽ để nhóm các điểm dữ liệu tương tự (đóng nhóm) và đơn giản hóa các tập dữ kiện phức tạp (giảm chiều rộng). Bạn sẽ có được chuyên môn cần thiết để xử lý trước dữ liêu và xác nhận mô hình khi sự thật cơ bản không được biết. Bạn sẽ học được: * Hiểu sự khác biệt lý thuyết giữa các mô hình học có giám sát và không giám thị. * Apply core clustering techniques, bao gồm K-Means và hierarchical clustering, to segment feature data. * Các phương pháp giảm kích thước chủ như Phân tích thành phần chính (PCA) để nén dữ liệu trong khi giữ lại thông tin cần thiết. * Thực hành chuẩn bị dữ liệu thiết yếu và tính năng cần thiết để tối ưu hóa hiệu suất mô hình không giám sát. * Học các phương pháp để đánh giá hiệu suất và ổn định của các mô hình không giám sát mà không dựa vào các bộ thử nghiệm có nhãn. Chúng tôi bắt đầu bằng cách xác định các mục tiêu chính của học không giám sát trước khi nhảy vào thực hiện thực tế của các thuật toán tập hợp và giảm lớn. Chương trình này được thiết kế cho người mới bắt đầu quan tâm tới học máy và khoa học dữ liệu. Không cần phải có kinh nghiệm trước đó với mô hình thống kê tiên tiến, chỉ cần sẵn sàng đọc và thực hành các khái niệm viết. Bắt đầu đọc ngay hôm nay và mở khóa những bí mật ẩn trong dữ liệu không có nhãn.