Parabéns! tenho tido vários professores a explicar o K-Means em que os alunos ficam sem perceber o método e muito menos como é o raciocínio que está por detrás do algoritmo. Este seu video está feito para qualquer leigo na matéria entender em 15min. a meu ver, Perfeito! Parabéns!
Ja decidi ser um associado, sua qualidade na explicação é altíssima, também sou professor e fico muito p da vida, com professores que falam e falam achando que o aluno vai absorver o conteúdo com "cuspe" (desculpa). A didática é fundamental e isso eu achei aqui.
Parabéns, pela didática, torna a matéria bem assimilável. Podemos dizer então, que os centroides são atributos/características chaves que queremos detectar similaridade no grupo de pesquisas, é isso?
Os centroides no algoritmo K-means não são, em si, atributos ou características que buscamos detectar. Eles são, na verdade, pontos centrais calculados dentro de cada cluster. Pense em um centroide como o centro de gravidade de um grupo; se o grupo inteiro fosse representado por um único ponto, seria o centroide.
Explicação mt boa...mas ainda fiquei com uma duvida: Inicialmente, o centroide é escolhido de forma aleatoria, certo? Em seguida, eu calculo a distancia de cada elemento para cada centroide. Terminada essa primeira "rodada", eu repito o calculo, certo? Nesse proximo calculo, quem seria o centroide, uma vez q eu terei uma media? No exemplo do video, aos 12:20, eu vi q vc adicionou um elemento q seria o centroide depois do calculo da media...ou seja, antes so tinha 3 elementos no grupo verde...e vc adicionou um 4o elemento apos calcular o centroide... não sei se fui claro;
Olá Roger, após a atualização dos pesos, o algoritmo retorna e recalcula novamente com o pesos atualizados e selecionando aleatoriamente. Veja mais algumas informações sobre esse assunto no link www.datanovia.com/en/lessons/k-means-clustering-in-r-algorith-and-practical-examples/ Fabio
Didática EXCELENTE. Por favor, nunca pare de nos ensinar, eu imploro KKKKKKKKK
Obrigado pelo feedback :)
Ficamos felizes que tenha gostado!
este é o primeiro vídeo quer vejo no canal, mas já estou admirando o professor deste canal. parabéns e obrigado pelo esclarecimento.
Que bom que está gostando Antonio! Esperamos que também aproveite os cursos :)
Aula espetacular, Parabéns . Como existe professor enrolado para dar essa aula hein.
Que bom que gostou Edjander :)
Parabéns! tenho tido vários professores a explicar o K-Means em que os alunos ficam sem perceber o método e muito menos como é o raciocínio que está por detrás do algoritmo. Este seu video está feito para qualquer leigo na matéria entender em 15min. a meu ver, Perfeito! Parabéns!
Que bom que o vídeo ajudou, Tiago :)
Ja decidi ser um associado, sua qualidade na explicação é altíssima, também sou professor e fico muito p da vida, com professores que falam e falam achando que o aluno vai absorver o conteúdo com "cuspe" (desculpa). A didática é fundamental e isso eu achei aqui.
Que bom que gostou Edjander :)
Muito bom o vídeo, consegui compreender tranquilamente o ideia do k-means
Que bom que gostou Netto :)
Excelente explicação. Prima pela simplicidade.
Que bom que gostou, Tiago :)
ótima explicação!
Que bom que gostou Ranier :)
Muito boa a explicação. Depois desse vídeo eu compreendi o que significa o Algoritimo kmeans. Parabéns!
Que bom que gostou Erick :)
Muito obrigado, assisti seus videos de algs. de agrupamento e fui muito bem nas avaliações q fiz
Que bom que o material ajudou Renan :)
Excelente explicação! Estou adorando as aulas!!!
Que bom que está gostando, Jordan :)
Que conteúdo fantástico! Parabéns mesmo e obrigado
Que bom que gostou, Vinícius :)
Agora entendi! Fez parecer simples! Show!!
Que bom que gostou Felipe :)
Parabéns pela explicação e demonstração lúdica.
Que bom que gostou Willian :)
Parabéns, pela didática, torna a matéria bem assimilável. Podemos dizer então, que os centroides são atributos/características chaves que queremos detectar similaridade no grupo de pesquisas, é isso?
Os centroides no algoritmo K-means não são, em si, atributos ou características que buscamos detectar. Eles são, na verdade, pontos centrais calculados dentro de cada cluster. Pense em um centroide como o centro de gravidade de um grupo; se o grupo inteiro fosse representado por um único ponto, seria o centroide.
Excelente o video muito obrigada
Valeu Beatriz :)
Ótimo, obrigado!
Que bom que gostou :)
Muito bom, obrigado!
Que bom que gostou Gabriel :)
Vídeo muito claro e direto, me ajudou muito! obrigada
Que bom Jaqueline :)
Muito bom!
Valeu Diego :)
Muito bom! Explicação simples e eficiente
Valeu Fausto! :)
Ótima explicação! Facilitou muito o entendimento
Valeu Yasmin :)
Muito bom parabéns
Que bom que gostou Gibran :)
Excelente Jones. Parabéns e tudo de bom.
Valeu Marco! :)
Excelente! Obrigada.
Que bom que gostou Danyella :)
Muito obrigada pelo vídeo!!!
Por nada :)
Ótimo vídeo hein!
Parabens!
Valeu Andre :)
Muito bom, ótimo vídeo!
Obrigado Gilberto! :)
Excelente explicação....parabéns!!!
Valeu Marcos :)
Poderia ser usado também para gestão de recursos (farmacêuticos e insumos) em hospitais?
Olá Arthur! Não sei dizer, teria que fazer alguns testes com a base de dados e verificar os resultados
Mitou
Que bom que gostou da aula :)
Explicação mt boa...mas ainda fiquei com uma duvida: Inicialmente, o centroide é escolhido de forma aleatoria, certo? Em seguida, eu calculo a distancia de cada elemento para cada centroide. Terminada essa primeira "rodada", eu repito o calculo, certo? Nesse proximo calculo, quem seria o centroide, uma vez q eu terei uma media? No exemplo do video, aos 12:20, eu vi q vc adicionou um elemento q seria o centroide depois do calculo da media...ou seja, antes so tinha 3 elementos no grupo verde...e vc adicionou um 4o elemento apos calcular o centroide... não sei se fui claro;
Olá Roger, após a atualização dos pesos, o algoritmo retorna e recalcula novamente com o pesos atualizados e selecionando aleatoriamente. Veja mais algumas informações sobre esse assunto no link www.datanovia.com/en/lessons/k-means-clustering-in-r-algorith-and-practical-examples/
Fabio
Obrigado pela resposta Fabio!
Excelente.
Valeu Felipe :)
Show de bola a explicação. Esse assunto em concurso público é um demônio kkkk
Que bom que o conteúdo ajudou :)
Vocês fizeram sobre o algoritmo Gaussian Mixture Model?
Só vejo em inglês 🤦🏻♂️
Sobre esse algoritmo não temos, Leandro :(
Muito bom!
Obrigado Vitor! :)