After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Pelajari Cara Melakukan Analisis Kluster
Analisis kluster adalah alat yang sangat berguna dalam lingkungan kerja ilmu data. Digunakan untuk menemukan kelompok pengamatan (kluster) yang memiliki karakteristik serupa. Kesamaan-kesamaan ini dapat menjadi acuan untuk berbagai keputusan bisnis; misalnya, dalam pemasaran, hal ini digunakan untuk mengidentifikasi kelompok-kelompok pelanggan yang berbeda agar iklan dapat disesuaikan dengan kebutuhan mereka.Jelajahi Teknik Pengelompokan Hierarkis dan K-Means
Dalam kursus ini, Anda akan mempelajari dua metode pengelompokan yang umum digunakan - pengelompokan hierarkis dan pengelompokan k-means. Anda tidak hanya akan belajar cara menggunakan metode-metode ini, tetapi juga akan mengembangkan intuisi yang kuat tentang cara kerjanya dan cara menafsirkan hasilnya. Anda akan mengembangkan intuisi ini dengan menganalisis tiga dataset yang berbeda: posisi pemain sepak bola, data pengeluaran pelanggan grosir, dan data gaji pekerjaan longitudinal.Asah Keterampilan Anda dengan Studi Kasus Praktis
Anda akan menyelesaikan kursus ini dengan menerapkan keterampilan baru Anda pada studi kasus yang berfokus pada gaji rata-rata dan bagaimana gaji tersebut telah berubah seiring waktu. Hal ini akan menggabungkan teknik pengelompokan hierarkis seperti pohon pekerjaan, persiapan untuk eksplorasi, dan pemetaan kluster pekerjaan, dengan teknik k-means termasuk analisis siku dan lebar siluet rata-rata.Kursus DataCamp terdiri dari kombinasi video, artikel, dan latihan praktik sehingga Anda memiliki kesempatan untuk menguji dan menguatkan keterampilan baru yang Anda pelajari, sehingga Anda merasa percaya diri untuk menerapkannya di luar lingkungan kursus.
Prasyarat
Kurikulum
Garis besar kursus
1
Menghitung Jarak Antara Observasi
Analisis klaster bertujuan menemukan kelompok observasi yang serupa satu sama lain, tetapi kelompok yang teridentifikasi berbeda satu sama lain. Kemiripan/perbedaan ini ditangkap oleh metrik yang disebut jarak. Pada bab ini, Anda akan mempelajari cara menghitung jarak antarobservasi untuk fitur kontinu dan kategorikal. Anda juga akan membangun intuisi tentang bagaimana skala fitur Anda dapat memengaruhi jarak.
- Apa itu analisis klaster?50 XP
- Kapan perlu melakukan klastering?50 XP
- Jarak antara dua observasi50 XP
- Hitung & plot jarak antara dua pemain100 XP
- Menggunakan fungsi dist()100 XP
- Siapa pemain yang paling berdekatan?50 XP
- Pentingnya skala50 XP
- Dampak skala100 XP
- Kapan perlu melakukan penskalaan data?50 XP
- Mengukur jarak untuk data kategorikal50 XP
- Menghitung jarak antar variabel kategorikal100 XP
- Observasi terdekat dengan sepasang observasi50 XP
2
Hierarchical Clustering
Bab ini akan membantu Anda menjawab pertanyaan terakhir dari bab 1—bagaimana cara menemukan kelompok observasi yang serupa (klaster) dalam data Anda menggunakan jarak yang telah dihitung? Anda akan mempelajari prinsip-prinsip dasar hierarchical clustering—kriteria linkage dan plot dendrogram—serta bagaimana keduanya digunakan untuk membentuk klaster. Anda juga akan mengeksplorasi data dari distributor grosir untuk melakukan segmentasi pasar klien berdasarkan kebiasaan pengeluaran mereka.
3
K-means Clustering
Dalam bab ini, Anda akan membangun pemahaman tentang prinsip-prinsip di balik algoritma k-means, mempelajari cara memilih nilai k yang tepat saat nilainya belum diketahui sebelumnya, dan meninjau kembali data grosir dari perspektif yang berbeda.
4
Studi Kasus: Upah Rata-Rata Pekerjaan Nasional
Dalam bab ini, Anda akan menerapkan keterampilan yang telah Anda pelajari untuk mengeksplorasi bagaimana rata-rata gaji di berbagai profesi berubah dari waktu ke waktu.
R
Analisis Klaster di R
Kursus
Selesai
