Skip to main content

K-Means for Clustering

About#

เรียนรู้การทำ Clustering ด้วย k-means ง่ายๆ สไตล์ DataRockie เน้นเข้าใจทฤษฎีและได้ลงมือทำจริงด้วยตัวเองบน Google Sheets เมื่อเรียนจบผู้เรียนจะเข้าใจ Model แบบ Intuitive

  • เข้าใจ Concept ของ Unsupervised learning และ k-means clustering algorithms
  • สอนวิธีสร้าง k-means เป็น Step ทำตามได้ง่าย ผู้เรียนจะได้ลงมือทำจริงด้วยข้อมูลตัวอย่างบน Google Sheets ของตนเอง
  • สอดแทรกทฤษฎีพื้นฐานของ Logistic Regression ที่สำคัญพร้อมคำอธิบายที่เข้าใจง่าย เช่น
    • ขั้นตอนการทำงานของ k-means
    • การคำนวณ Euclidean distance
    • Centroid of cluster
    • การ Assign cluster membership
  • สรุปสูตรและ Functions ของ Google Sheets ที่ใช้ทั้งหมด
  • แทรก Tips & Tricks โดยผู้สอนที่มีประสบการณ์ทำงานจริง พร้อมแหล่งเรียนรู้เพื่อให้ผู้เรียนไปศึกษาเพิ่มเติมได้เอง
  • มี Todo และ Project ให้ฝึกทำระหว่างบทเรียน ก่อนจบคอร์สมีการบ้านให้ฝึกทำเพื่อทบทวนเนื้อหาที่เรียนทั้งหมด
  • Bonus! ตัวอย่างการ Implement k-means ด้วย R บรรทัดเดียวจบ
  • เรียนออนไลน์ได้ไม่จำกัดเวลา มีข้อสงสัยสามารถพูดคุย/ถามผู้สอนได้ที่เพจ DataRockie

Detail#

  • Level: Beginner
  • Chapters: 10
  • Hours: 1.3
  • Quizzes: 8
  • Clips: 11
  • Certification: ได้รับเมื่อเรียนจบทุกคอร์สในซีรีย์ Basic ML Crash Course
  • 100% online: เรียนบน Interactive learning platform

Prerequisites#

Instructor#

Kasidis Satangmongkol (Toy): แอดมินเพจ DataRockie | Data Analyst & Market Researcher

Syllabus#

  • Introduction to unsupervised learning (5 mins)
    • Unsupervised Learning คืออะไร
    • Clustering Algorithms คืออะไร
  • k-means clustering (5 mins)
    • Implementation in Google Sheets
  • How do we measure distance? (10 mins)
    • More than two dimensions
  • Euclidean distance in Google Sheets (5 mins)
    • Centroids = Center of Cluster
    • What kind of data is good for k-means?
  • Google Sheets refresher (10 mins)
  • First step pick K (5 mins)
  • Compute distance for each member vs. centroids (10 mins)
    • Euclidean Distance in Action
  • Assign cluster membership and iterate (10 mins)
    • Next Iteration
  • Model convergence (10 mins)
    • Final Iteration
  • Course summary (5 mins)
    • Bonus example in R in one line!