Curso de Clustering Básico: k-means, DBSCAN e mean shift

Faça esse curso de Machine Learning e:

• Conheça o básico sobre análise exploratória
• Crie visualização de dados utilizando a biblioteca plotly
• Utilize o método K-means, DBSCAN e Mean shift para agrupar dados sem classificação
• Aprenda a agrupar vinhos
• Avalie a qualidade de uma clusterização através da utilização do coeficiente de silhueta
• Parametrize métodos de clusterização através do máximo coeficiente de silhueta

Conteúdo Detalhado

1. Análise exploratória

   • Importando-e-Analisando-os-Dados
   • Analisando os Dados
   • Atributos com Informação Importante
   • Normalização Manual
   • Normalização Sklearn
   • Visualização básica dos dados
   • Outras formas de normalização

2. Introdução à clusterização K-means

   • Projeto da aula anterior
   • Introdução ao K-means
   • Visualizando os Clusteres Parte 1
   • Visualizando os Clusteres Parte 1 - k 3
   • Apresentação Visualizando os Clústeres parte 3
   • Visualizando os Cústeres Parte 3
   • Introdução ao K-means
   • Prevendo o clúster de novas amostras

3. Introdução à clusterização DBSCAN

   • Exemplo Introdução ao DBSCAN
   • Introdução ao DBSCAN
   • Variando os parâmetros do DBSCAN
   • Introdução ao DBSCAN
   • Outras métricas de distância

4. Introdução à clusterização Mean shift

   • Introdução ao Mean-Shift
   • Variando os parâmetros do Mean-Shift
   • Introdução ao Mean shift
   • Adicionando no gráfico os clústeres

5. Introdução ao coeficiente de silhueta para avaliação de clusterizações

   • Introdução ao Coeficiente de Silhueta
   • Coeficiente de Silhueta K-means
   • Introdução ao Coeficiente de Silhueta Mean-Shift Introdução ao Coeficiente de Silhueta Mean-Shif
   • Introdução ao Coeficiente de Silhueta
   • Para saber mais: definindo os parâmetros do DBSCAN através do coeficiente de Silhueta