Об этом курсе
Недавно просмотрено: 24,100

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 12 часа на выполнение

Предполагаемая нагрузка: 17 hours/week...

Английский

Субтитры: Английский

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 12 часа на выполнение

Предполагаемая нагрузка: 17 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
4 ч. на завершение

Working with Sequences

In this module, you’ll learn what a sequence is, see how you can prepare sequence data for modeling, and be introduced to some classical approaches to sequence modeling and practice applying them.

...
14 видео ((всего 41 мин.)), 1 материал для самостоятельного изучения, 4 тестов
14 видео
Getting Started with Google Cloud Platform and Qwiklabs3мин
Sequence data and models5мин
From sequences to inputs2мин
Modeling sequences with linear models2мин
Lab intro: using linear models for sequences20
Lab solution: using linear models for sequences7мин
Modeling sequences with DNNs2мин
Lab intro: using DNNs for sequences19
Lab solution: using DNNs for sequences2мин
Modeling sequences with CNNs3мин
Lab intro: using CNNs for sequences19
Lab solution: using CNNs for sequences3мин
The variable-length problem4мин
1 материал для самостоятельного изучения
How to send course feedback10мин
1 практическое упражнение
Working with Sequences
15 минуты на завершение

Recurrent Neural Networks

In this module, we introduce recurrent neural nets, explain how they address the variable-length sequence problem, explain how our traditional optimization procedure applies to RNNs, and review the limits of what RNNs can and can’t represent.

...
4 видео ((всего 15 мин.)), 1 тест
4 видео
How RNNs represent the past4мин
The limits of what RNNs can represent5мин
The vanishing gradient problem1мин
1 практическое упражнение
Recurrent Neural Networks
4 ч. на завершение

Dealing with Longer Sequences

In this module we dive deeper into RNNs. We’ll talk about LSTMs, Deep RNNs, working with real world data, and more.

...
14 видео ((всего 62 мин.)), 4 тестов
14 видео
LSTMs and GRUs6мин
RNNs in TensorFlow2мин
Lab Intro: Time series prediction: end-to-end (rnn)45
Lab Solution: Time series prediction: end-to-end (rnn)10мин
Deep RNNs1мин
Lab Intro: Time series prediction: end-to-end (rnn2)26
Lab Solution: Time series prediction: end-to-end (rnn2)6мин
Improving our Loss Function2мин
Demo: Time series prediction: end-to-end (rnnN)3мин
Working with Real Data10мин
Lab Intro: Time Series Prediction - Temperature from Weather Data1мин
Lab Solution: Time Series Prediction - Temperature from Weather Data11мин
Summary1мин
1 практическое упражнение
Dealing with Longer Sequences
Неделя
2
2 ч. на завершение

Text Classification

In this module we look at different ways of working with text and how to create your own text classification models.

...
8 видео ((всего 35 мин.)), 2 тестов
8 видео
Text Classification6мин
Selecting a Model2мин
Lab Intro: Text Classification47
Lab Solution: Text Classification11мин
Python vs Native TensorFlow4мин
Demo: Text Classification with Native TensorFlow7мин
Summary1мин
1 практическое упражнение
Text Classification
1 ч. на завершение

Reusable Embeddings

Labeled data for our classification models is expensive and precious. Here we will address how we can reuse pre-trained embeddings to make our models with TensorFlow Hub.

...
6 видео ((всего 28 мин.)), 2 тестов
6 видео
Modern methods of making word embeddings8мин
Introducing TensorFlow Hub1мин
Lab Intro: Evaluating a pre-trained embedding from TensorFlow Hub24
Lab Solution: TensorFlow Hub9мин
Using TensorFlow Hub within an estimator1мин
1 практическое упражнение
Reusable Embeddings
3 ч. на завершение

Encoder-Decoder Models

In this module, we focus on a sequence-to-sequence model called the encoder-decoder network to solve tasks, such as Machine Translation, Text Summarization and Question Answering.

...
10 видео ((всего 84 мин.)), 3 тестов
10 видео
Attention Networks4мин
Training Encoder-Decoder Models with TensorFlow6мин
Introducing Tensor2Tensor11мин
Lab Intro: Cloud poetry: Training custom text models on Cloud ML Engine1мин
Lab Solution: Cloud poetry: Training custom text models on Cloud ML Engine25мин
AutoML Translation4мин
Dialogflow6мин
Lab Intro: Introducing Dialogflow54
Lab Solution: Dialogflow13мин
1 практическое упражнение
Encoder-Decoder Models
14 минуты на завершение

Summary

In this final module, we review what you have learned so far about sequence modeling for time-series and natural language data.

...
1 видео ((всего 4 мин.)), 1 материал для самостоятельного изучения
1 видео
Summary3мин
1 материал для самостоятельного изучения
Additional Reading10мин
4.5
Рецензии: 20Chevron Right

Лучшие отзывы о курсе Sequence Models for Time Series and Natural Language Processing

автор: JWNov 11th 2018

Excellent course for those who know RNN. Knowledge is refreshed and techniques are consolidated. More details about Google ecosystem is introduced.

автор: MDFeb 3rd 2019

Very good.The explanation of the RNN was very good but the tensor2tensor was very hard.

Преподаватели

О Google Cloud

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

О специализации ''Advanced Machine Learning with TensorFlow on Google Cloud Platform'

This 5-course specialization focuses on advanced machine learning topics using Google Cloud Platform where you will get hands-on experience optimizing, deploying, and scaling production ML models of various types in hands-on labs. This specialization picks up where “Machine Learning on GCP” left off and teaches you how to build scalable, accurate, and production-ready models for structured data, image data, time-series, and natural language text. It ends with a course on building recommendation systems. Topics introduced in earlier courses are referenced in later courses, so it is recommended that you take the courses in exactly this order....
Advanced Machine Learning with TensorFlow on Google Cloud Platform

Часто задаваемые вопросы

  • Да, до регистрации можно просмотреть первое видео и программу курса. Чтобы получить полный доступ к материалам курса, необходимо оплатить его.

  • Регистрируясь на курс до начала сессии, вы получаете доступ ко всем видеолекциям и материалам для самостоятельного изучения. Задания можно отправлять после начала сессии.

  • После регистрации на курс и начала сессии вы получаете доступ ко всем видео и другим ресурсам курса, включая материалы для самостоятельного изучения и форумы обсуждений. Вы сможете выполнять тренировочные, а также сдавать обязательные оцениваемые задания и получить сертификат о прохождении курса.

  • Если вы успешного пройдете курс, на странице ваших достижений появится электронный сертификат, который можно распечатать или прикрепить к профилю LinkedIn.

  • Это один из немногих курсов на Coursera, которые предоставляются только на платной основе.

Остались вопросы? Посетите Центр поддержки учащихся.