Build your ultimate AI agent
कोर्स विवरण
आपने शायद Google News देखा होगा, जो अपने आप समान समाचार लेखों को एक ही विषय के अंतर्गत समूहित कर देता है। क्या आपने कभी सोचा है कि पृष्ठभूमि में कौन-सी प्रक्रिया चलती है जो इन समूहों तक पहुँचती है? इस कोर्स में, आप Python में SciPy लाइब्रेरी का उपयोग करके क्लस्टरिंग के माध्यम से अनसुपरवाइज़्ड लर्निंग से परिचित होंगे। यह कोर्स डेटा के प्री-प्रोसेसिंग और हाइयरार्किकल व k-means क्लस्टरिंग के अनुप्रयोग को कवर करता है। पूरे कोर्स में, आप एक लोकप्रिय फ़ुटबॉल वीडियो गेम FIFA 18 के प्लेयर स्टैटिस्टिक्स का अन्वेषण करेंगे। कोर्स पूरा करने के बाद, आप डेटा पर विभिन्न क्लस्टरिंग एल्गोरिदम जल्दी से लागू कर पाएँगे, बने हुए क्लस्टर्स को विज़ुअलाइज़ करेंगे और परिणामों का विश्लेषण करेंगे।
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
क्लस्टरिंग परिचय
समाचार लेखों को वर्गीकृत करने के लिए तैयार होने से पहले, क्लस्टरिंग की बुनियादी बातें जानना ज़रूरी है। यह अध्याय आपको मशीन लर्निंग की एक श्रेणी, जिसे अनसुपरवाइज़्ड लर्निंग कहते हैं, से परिचित कराता है और फिर क्लस्टरिंग से, जो एक लोकप्रिय अनसुपरवाइज़्ड लर्निंग एल्गोरिदम है। आप दो लोकप्रिय क्लस्टरिंग तकनीकों — हाइयरार्किकल क्लस्टरिंग और k-means क्लस्टरिंग — के बारे में जानेंगे। अध्याय का समापन क्लस्टरिंग शुरू करने से पहले किए जाने वाले बेसिक प्री-प्रोसेसिंग स्टेप्स से होता है।
- Unsupervised learning: मूल बातें50 XP
- वास्तविक दुनिया में Unsupervised Learning50 XP
- पोकेमॉन sightings100 XP
- क्लस्टर विश्लेषण की बुनियाद50 XP
- पोकेमॉन sightings: hierarchical clustering100 XP
- पोकेमॉन sightings: k-means क्लस्टरिंग100 XP
- क्लस्टर विश्लेषण के लिए डेटा तैयारी50 XP
- बेसिक list डेटा को normalize करें100 XP
- नॉर्मलाइज़्ड डेटा को विज़ुअलाइज़ करें100 XP
- छोटे संख्याओं का नॉर्मलाइज़ेशन100 XP
- FIFA 18: डेटा को normalize करें100 XP
2
हाइयरार्किकल क्लस्टरिंग
यह अध्याय एक लोकप्रिय क्लस्टरिंग एल्गोरिदम — हाइयरार्किकल क्लस्टरिंग — और SciPy में उसकी इम्प्लीमेंटेशन पर केंद्रित है। हाइयरार्किकल क्लस्टरिंग करने की प्रक्रिया के अलावा, यह आपको एक महत्वपूर्ण सवाल का जवाब ढूँढने में मदद करने की कोशिश करता है — आपके डेटा में कितने क्लस्टर्स मौजूद हैं? अध्याय का समापन हाइयरार्किकल क्लस्टरिंग की सीमाओं पर चर्चा और इसे उपयोग करते समय ध्यान देने योग्य बातों के साथ होता है।
3
K-Means क्लस्टरिंग
यह अध्याय एक अलग क्लस्टरिंग एल्गोरिदम — k-means क्लस्टरिंग — और SciPy में उसकी इम्प्लीमेंटेशन से परिचित कराता है। k-means क्लस्टरिंग, पिछले अध्याय में बताई गई हाइयरार्किकल क्लस्टरिंग की सबसे बड़ी कमी को दूर करती है। चूँकि डेंड्रोग्राम विशेष रूप से हाइयरार्किकल क्लस्टरिंग से जुड़े होते हैं, यह अध्याय k-means चलाने से पहले क्लस्टर्स की संख्या पता करने की एक विधि पर चर्चा करता है। अध्याय का समापन k-means क्लस्टरिंग की सीमाओं और इस एल्गोरिदम का उपयोग करते समय ध्यान देने योग्य बातों पर चर्चा के साथ होता है।
4
वास्तविक दुनिया में क्लस्टरिंग
अब जब आप दो सबसे लोकप्रिय क्लस्टरिंग तकनीकों से परिचित हैं, यह अध्याय आपको इन्हें वास्तविक समस्याओं पर लागू करने में मदद करता है। अध्याय पहले किसी इमेज में डॉमिनेंट रंग खोजने की प्रक्रिया पर चर्चा करता है, और फिर परिचय में बताए गए मुद्दे — समाचार लेखों की क्लस्टरिंग — पर आगे बढ़ता है। अध्याय का समापन मल्टीपल वेरिएबल्स के साथ क्लस्टरिंग पर चर्चा से होता है, जिससे सारा डेटा विज़ुअलाइज़ करना कठिन हो जाता है।
Python में क्लस्टर विश्लेषण
कोर्स
पूरा
