课程主页: https://www.coursera.org/learn/ibm-unsupervised-machine-learning
随着数据科学的迅速发展，无监督学习作为机器学习的主要类型之一，正日益受到重视。Coursera上的《无监督机器学习》课程为您提供了一个全面的学习机会，旨在帮助学员掌握如何从没有目标或标记变量的数据集中提取见解。
本课程将涵盖几种聚类和维度减少算法，教你如何选择最适合数据的算法。课程设计包含实际操作部分，注重最佳实践的应用，确保学员可以获取实际的技能。
课程大纲：
- 无监督学习与K均值介绍：这一模块介绍了无监督学习及其应用，尤其是使用K均值算法进行观察聚类的理论与实践。
- 距离度量与计算障碍：学习聚类算法中的计算障碍，以及不同聚类实现如何克服这些问题。
- 选择聚类算法：回顾常见聚类算法，学习如何比较并选择最适合数据的聚类技术。
- 维度减少：介绍维度减少和主成分分析，这些都是处理大数据、图像处理及数据预处理的重要技术。
- 非线性与基于距离的维度减少：学习更强大的维度减少技术，如核主成分分析和多维标度法。
- 矩阵分解：了解矩阵分解作为大数据、文本挖掘和数据预处理的有力工具。
- 最终项目：应用所学工具，在最终项目中展示自己的无监督学习能力。
通过这门课程，您将不仅了解无监督学习的理论基础，还能通过实践掌握这些技术，为今后的工作和研究奠定坚实基础。
课程主页: https://www.coursera.org/learn/ibm-unsupervised-machine-learning