Build your ultimate AI agent
Mô tả khóa học
Nhiều khi trong Machine Learning, mục tiêu là tìm mẫu (pattern) trong dữ liệu mà không cố gắng dự đoán. Đó là học không giám sát. Một trường hợp sử dụng phổ biến là nhóm người tiêu dùng theo nhân khẩu học và lịch sử mua sắm để triển khai các chiến dịch tiếp thị nhắm mục tiêu. Ví dụ khác là mô tả các yếu tố chưa đo lường được nhưng ảnh hưởng nhiều nhất đến khác biệt về tỷ lệ tội phạm giữa các thành phố. Khóa học này giới thiệu căn bản về phân cụm và giảm chiều dữ liệu trong R từ góc nhìn Machine Learning, giúp bạn đi từ dữ liệu đến insight nhanh nhất có thể.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Học không giám sát trong R
Thuật toán k-means là một cách tiếp cận phổ biến để phân cụm. Học cách thuật toán hoạt động bên trong, triển khai k-means trong R, trực quan hóa và diễn giải kết quả, và chọn số cụm khi chưa biết trước. Kết thúc chương, bạn sẽ áp dụng k-means vào một bộ dữ liệu “thực tế” thú vị!
- Chào mừng bạn đến với khóa học!50 XP
- Nhận diện các bài toán phân cụm50 XP
- Giới thiệu về phân cụm k-means50 XP
- Phân cụm k-means100 XP
- Kết quả của kmeans()100 XP
- Trực quan hóa và diễn giải kết quả của kmeans()100 XP
- Cách k-means hoạt động và những điểm thực hành cần lưu ý50 XP
- Xử lý các thuật toán ngẫu nhiên100 XP
- Chọn số cụm100 XP
- Giới thiệu về dữ liệu Pokemon50 XP
- Những vấn đề thực tế: làm việc với dữ liệu thật100 XP
- Ôn tập về phân cụm k-means50 XP
2
Phân cụm phân cấp (Hierarchical clustering)
Phân cụm phân cấp là một phương pháp phân cụm phổ biến khác. Mục tiêu của chương này là trình bày cách nó hoạt động, cách sử dụng, và so sánh với phân cụm k-means.
3
Giảm chiều với PCA
Phân tích thành phần chính (Principal Component Analysis, PCA) là cách tiếp cận thường dùng để giảm chiều. Học chính xác PCA làm gì, trực quan hóa kết quả PCA với biplot và scree plot, và xử lý các vấn đề thực tế như chuẩn hóa tâm (centering) và chuẩn hóa tỉ lệ (scaling) dữ liệu trước khi thực hiện PCA.
4
Tổng hợp qua một nghiên cứu tình huống
Mục tiêu của chương này là hướng dẫn bạn thực hiện một phân tích trọn vẹn bằng các kỹ thuật học không giám sát đã học ở ba chương đầu. Bạn sẽ mở rộng kiến thức bằng cách kết hợp PCA như bước tiền xử lý cho phân cụm, sử dụng dữ liệu gồm các phép đo nhân tế bào của khối u vú ở người.
R
Học không giám sát với R
Hoàn
thành khóa học

