Dieser Kurs führt Sie in eine der wichtigsten Arten des maschinellen Lernens ein: Unüberwachtes Lernen. Sie lernen, wie Sie Erkenntnisse aus Datensätzen gewinnen können, für die es keine Zielvariable oder markierte Variable gibt. Sie lernen verschiedene Clustering- und Dimensionsreduktionsalgorithmen für unüberwachtes Lernen kennen und erfahren, wie Sie den Algorithmus auswählen, der am besten zu Ihren Daten passt. Der praktische Teil dieses Kurses konzentriert sich auf die Anwendung von Best Practices für unüberwachtes Lernen. Am Ende dieses Kurses sollten Sie in der Lage sein: die Arten von Problemen zu erklären, die sich für Ansätze des unüberwachten Lernens eignen den Fluch der Dimensionalität zu erklären und wie er das Clustering bei vielen Merkmalen erschwert gängige Algorithmen für Clustering und Dimensionsreduktion zu beschreiben und zu verwenden gegebenenfalls Clustering-Punkte auszuprobieren und die Leistung von Modellen pro Cluster zu vergleichen die für die Charakterisierung von Clustern relevanten Metriken zu verstehen Wer sollte diesen Kurs besuchen?

Dieser Kurs richtet sich an angehende Datenwissenschaftler, die praktische Erfahrungen mit Techniken des unüberwachten maschinellen Lernens in einem geschäftlichen Umfeld sammeln möchten. Welche Kenntnisse sollten Sie mitbringen? Um diesen Kurs optimal nutzen zu können, sollten Sie mit der Programmierung in einer Python-Entwicklungsumgebung vertraut sein und über ein grundlegendes Verständnis von Datenbereinigung, explorativer Datenanalyse, Kalkül, linearer Algebra, Wahrscheinlichkeitsrechnung und Statistik verfügen.