课程主页: https://www.coursera.org/learn/ibm-unsupervised-machine-learning
无监督机器学习课程是一门极具价值的在线学习项目，专为希望探索和掌握数据分析领域的学习者设计。在这门课程中，您将深入了解无监督学习的基本概念及其在数据分析中的实际应用。
该课程的首个模块介绍了无监督学习及其应用，重点讲解了 k 均值聚类算法。学习者可以通过理论与实践相结合的方式，掌握如何利用 k 均值算法对观察数据进行聚类。
接下来的模块深入讨论了距离度量和计算挑战，帮助学生了解不同聚类算法的计算困难。此外，课程还教会学生如何选择最适合他们数据的聚类算法，这是数据分析中至关重要的技能。
课程的其他重要主题包括：维度减少和主成分分析（PCA），这对于处理大型数据集和图像数据至关重要。同时，还介绍了如核主成分分析和多维尺度等更强大的非线性维度减少技术。
此外，矩阵分解作为大数据和文本挖掘的重要技术也在课程中占有一席之地。最后，学生将在最终项目中运用所学的无监督学习技能，展示他们的能力。
总的来说，这门课程是任何希望深入了解数据科学与机器学习领域的学习者的绝佳选择，提供了理论支持与实践操作相结合的学习体验。
课程主页: https://www.coursera.org/learn/ibm-unsupervised-machine-learning