课程主页: https://www.coursera.org/learn/ibm-unsupervised-machine-learning
无监督学习是一种重要的机器学习类型，它使我们能够从没有目标或标签变量的数据集中发现洞察。Coursera的无监督机器学习课程专为希望深入理解和应用这一领域的学习者设计。课程涵盖了多种聚类和降维算法，以及如何选择最适合您数据的算法。通过深入的实践模块，您将学习如何运用无监督学习的最佳实践。
课程大纲包括：
1. **无监督学习与K均值**：该模块介绍无监督学习及其应用，特别是K均值聚类算法的理论与实践，帮助您入门这一重要概念。
2. **距离度量与计算障碍**：您将学习聚类算法的计算障碍，以及不同聚类实现如何克服这些障碍。通过比较各种聚类技术，您能够选择出最适合自己数据的方法。
3. **降维**：本模块介绍降维技术及主成分分析，这在大数据、成像和数据预处理的场景下非常强大。
4. **非线性与基于距离的降维**：学习如核主成分分析和多维缩放等强大的降维技术，在许多应用中超越传统的主成分分析。
5. **矩阵分解**：您将了解矩阵分解，这在大数据、文本挖掘和数据预处理中是非常有效的技术。
6. **最终项目**：使用您在课程中学到的工具，展现您在无监督学习方面的能力，通过最终项目巩固您的知识和技能。
如果您想在数据科学和机器学习的领域中更进一步，掌握无监督学习的核心知识和技能，这门课程是一个值得推荐的选择。无论您是初学者还是希望扩展知识的专业人士，这门课程都将为您提供宝贵的见解和实用技巧。
课程主页: https://www.coursera.org/learn/ibm-unsupervised-machine-learning