Einführung in Clustering

Geschätzte Kursdauer: 110 Minuten

Ziele:

• Clustering-Anwendungsfälle in ML-Anwendungen beschreiben
• Wählen Sie das geeignete Ähnlichkeitsmaß für eine Analyse aus.
• Clusterdaten mit dem k-Means-Algorithmus
• Bewerten Sie die Qualität der Clustering-Ergebnisse.
• Reduzieren Sie die Dimensionalität bei der Clustering-Analyse mit einem Autoencoder.

Vorbereitung

In diesem Kurs werden die folgenden Kenntnisse vorausgesetzt:

• Introduction to Machine Learning Problem Framing (Einführung in das Framing von Machine Learning-Problemen) oder vergleichbar.
• Crashkurs für maschinelles Lernen, einschließlich Mit numerischen Daten arbeiten sowie Datasets, Generalisierung und Überanpassung, oder äquivalent.