Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Aprenda a realizar análise de cluster
A análise de cluster é um conjunto de ferramentas poderoso na bancada de trabalho de Ciência de dados. É usado para encontrar grupos de observações (clusters) que compartilham características semelhantes. Essas semelhanças podem orientar todos os tipos de decisões de negócios; por exemplo, em marketing, ela é usada para identificar grupos distintos de clientes para os quais os anúncios podem ser personalizados.Explore Técnicas de Clusterização Hierárquica e K-Means
Neste curso, você aprenderá sobre dois métodos de clustering amplamente utilizados - clustering hierárquico e clustering k-means. Você não vai apenas aprender a usar esses métodos, vai desenvolver uma forte intuição sobre como eles funcionam e como interpretar seus resultados. Você desenvolverá essa intuição explorando três conjuntos de dados diferentes: posições de jogadores de futebol, dados de gastos de clientes no atacado e dados longitudinais de salários ocupacionais.Aprimore suas habilidades com um estudo de caso prático
Você concluirá o curso aplicando suas novas habilidades a um estudo de caso baseado em salários médios e em como eles mudaram ao longo do tempo. Isso combinará técnicas de agrupamento hierárquico, como árvores de ocupação, preparação para exploração e visualização de clusters ocupacionais, com técnicas de k-means, incluindo análise do cotovelo e larguras médias de silhueta.Os cursos da DataCamp são compostos por uma combinação de vídeos, artigos e exercicios de praticar, para que você tenha a chance de testar e consolidar suas novas habilidades, sentindo-se confiante para aplicá-las fora de um curso.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Calculando Distâncias entre Observações
A análise de clusters busca encontrar grupos de observações que sejam semelhantes entre si, mas que sejam diferentes de outros grupos. Essa semelhança/diferença é capturada por uma métrica chamada distância. Neste capítulo, você vai aprender a calcular a distância entre observações para variáveis contínuas e categóricas. Você também vai desenvolver uma intuição sobre como as escalas das suas variáveis podem afetar a distância.
- O que é análise de cluster?50 XP
- Quando usar clustering?50 XP
- Distância entre duas observações50 XP
- Calcule e plote a distância entre dois jogadores100 XP
- Usando a função dist()100 XP
- Quem são os jogadores mais próximos?50 XP
- A importância da escala50 XP
- Efeitos da escala100 XP
- Quando padronizar os dados?50 XP
- Medindo distância para dados categóricos50 XP
- Calculando a distância entre variáveis categóricas100 XP
- A observação mais próxima de um par50 XP
2
Clustering Hierárquico
Este capítulo vai ajudar você a responder à última pergunta do capítulo 1 — como encontrar grupos de observações semelhantes (clusters) nos seus dados usando as distâncias que você calculou? Você vai aprender os princípios fundamentais do clustering hierárquico — os critérios de ligação (linkage) e o dendrograma — e como ambos são usados para construir clusters. Você também vai explorar dados de um distribuidor atacadista para realizar segmentação de mercado de clientes a partir dos seus hábitos de gasto.
3
Clustering k-means
Neste capítulo, você vai entender os princípios por trás do algoritmo k-means, aprender a escolher o k adequado quando ele não é conhecido previamente e revisitar os dados de atacado sob outra perspectiva.
4
Estudo de Caso: Salário Médio por Ocupação
Neste capítulo, você vai aplicar as habilidades que aprendeu para explorar como o salário médio entre as profissões mudou ao longo do tempo.
R
Análise de Clusters em R
Curso
concluído
