การคลัสเตอร์

ระยะเวลาหลักสูตรโดยประมาณ: 4 ชั่วโมง

วัตถุประสงค์:

• กําหนดคลัสเตอร์สําหรับแอปพลิเคชัน ML
• เตรียมข้อมูลสําหรับการจัดกลุ่ม
• กําหนดความคล้ายคลึงกันสําหรับชุดข้อมูล
• เปรียบเทียบมาตรวัดความคล้ายคลึงกันด้วยตนเองและการควบคุมดูแล
• ใช้อัลกอริทึม k-means เพื่อจัดกลุ่มข้อมูล
• ประเมินคุณภาพของผลลัพธ์การจัดกลุ่ม

การศึกษาด้วยตนเองแบบกลุ่มเป็นการแนะนําการใช้งานแบบคลัสเตอร์เกี่ยวกับการใช้งาน

หลักสูตรนี้ไม่ได้เป็น

• การตรวจสอบคลัสเตอร์โดยละเอียด
• คําอธิบายที่สมบูรณ์และเปรียบเทียบการเปรียบเทียบระหว่างอัลกอริทึมต่างๆ กับการจัดกลุ่ม
• หลักสูตรเกี่ยวกับคลัสเตอร์กับ TensorFlow
• บทแนะนําเกี่ยวกับ การจัดประเภท (แทนที่จะเป็นการจัดกลุ่ม)

สิ่งที่ต้องมีก่อน

หลักสูตรนี้จะถือว่าคุณมี

• จบบทนําสู่การจัดกรอบปัญหาแมชชีนเลิร์นนิง หรือมีความรู้ที่เทียบเท่ากัน
• สําเร็จหลักสูตรเกี่ยวกับแมชชีนเลิร์นนิง หรือมีความรู้ที่เทียบเท่ากัน
• ศึกษาการเตรียมข้อมูลและวิศวกรรมฟีเจอร์จนจบ หรือมีความรู้ที่เทียบเท่ากัน
• ความรู้เบื้องต้นเกี่ยวกับการกระจายข้อมูล เช่น Gaussian และกฎหมายพลังงาน
• ความรู้พื้นฐานในการเขียนโปรแกรมใน Python

ขอให้สนุกกับการเรียนรู้