If you are a software developer who wants to build scalable AI-powered algorithms, you need to understand how to use the tools to build them. This Specialization will teach you best practices for using TensorFlow, a popular open-source framework for machine learning.
Этот курс входит в специализацию ''Специализация TensorFlow in Practice'
от партнера
Специализация TensorFlow in Practicedeeplearning.aiОб этом курсе
Недавно просмотрено: 333,993
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 4 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
You should take the first 3 courses of the TensorFlow Specialization and be comfortable coding in Python and understanding high school-level math.
Прибл. 13 часов на выполнение
Английский
Субтитры: Английский
Чему вы научитесь
Solve time series and forecasting problems in TensorFlow
Prepare data for time series learning using best practices
Explore how RNNs and ConvNets can be used for predictions
Build a sunspot prediction model using real-world data
Приобретаемые навыки
ForecastingMachine LearningTensorflowTime Seriesprediction
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 4 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
You should take the first 3 courses of the TensorFlow Specialization and be comfortable coding in Python and understanding high school-level math.
Прибл. 13 часов на выполнение
Английский
Субтитры: Английский
от партнера
deeplearning.ai
Founded by Andrew Ng, deeplearning.ai is on a mission to make world-class AI education accessible to people around the globe so that we can all benefit from an AI-powered future.
Программа курса: что вы изучите
3 ч. на завершение
Sequences and Prediction
Hi Learners and welcome to this course on sequences and prediction! In this course we'll take a look at some of the unique considerations involved when handling sequential time series data -- where values change over time, like the temperature on a particular day, or the number of visitors to your web site. We'll discuss various methodologies for predicting future values in these time series, building on what you've learned in previous courses!
3 ч. на завершение
10 видео ((всего 33 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
10 видео
Time series examples4мин
Machine learning applied to time series1мин
Common patterns in time series5мин
Introduction to time series4мин
Train, validation and test sets3мин
Metrics for evaluating performance2мин
Moving average and differencing2мин
Trailing versus centered windows1мин
Forecasting4мин
3 материала для самостоятельного изучения
Introduction to time series notebook10мин
Forecasting notebook10мин
Week 1 Wrap up10мин
1 практическое упражнение
Week 1 Quiz
3 ч. на завершение
Deep Neural Networks for Time Series
Having explored time series and some of the common attributes of time series such as trend and seasonality, and then having used statistical methods for projection, let's now begin to teach neural networks to recognize and predict on time series!
3 ч. на завершение
10 видео ((всего 27 мин.)), 5 материалов для самостоятельного изучения, 3 тестов
10 видео
Preparing features and labels4мин
Preparing features and labels3мин
Feeding windowed dataset into neural network2мин
Single layer neural network2мин
Machine learning on time windows37
Prediction2мин
More on single layer neural network2мин
Deep neural network training, tuning and prediction4мин
Deep neural network3мин
5 материалов для самостоятельного изучения
Preparing features and labels notebook10мин
Sequence bias10мин
Single layer neural network notebook10мин
Deep neural network notebook10мин
Week 2 Wrap up10мин
1 практическое упражнение
Week 2 Quiz
3 ч. на завершение
Recurrent Neural Networks for Time Series
Recurrent Neural networks and Long Short Term Memory networks are really useful to classify and predict on sequential data. This week we'll explore using them with time series...
3 ч. на завершение
10 видео ((всего 20 мин.)), 5 материалов для самостоятельного изучения, 3 тестов
10 видео
Conceptual overview2мин
Shape of the inputs to the RNN2мин
Outputting a sequence1мин
Lambda layers1мин
Adjusting the learning rate dynamically2мин
RNN1мин
LSTM1мин
Coding LSTMs2мин
More on LSTM1мин
5 материалов для самостоятельного изучения
More info on Huber loss10мин
RNN notebook10мин
Link to the LSTM lesson10мин
LSTM notebook10мин
Week 3 Wrap up10мин
1 практическое упражнение
Week 3 Quiz
3 ч. на завершение
Real-world time series data
On top of DNNs and RNNs, let's also add convolutions, and then put it all together using a real-world data series -- one which measures sunspot activity over hundreds of years, and see if we can predict using it.
3 ч. на завершение
11 видео ((всего 24 мин.)), 5 материалов для самостоятельного изучения, 3 тестов
11 видео
Convolutions58
Bi-directional LSTMs3мин
LSTM1мин
Real data - sunspots3мин
Train and tune the model3мин
Prediction1мин
Sunspots1мин
Combining our tools for analysis3мин
Congratulations!38
Specialization wrap up - A conversation with Andrew Ng2мин
5 материалов для самостоятельного изучения
Convolutional neural networks course10мин
More on batch sizing10мин
LSTM notebook10мин
Sunspots notebook10мин
Wrap up10мин
1 практическое упражнение
Week 4 Quiz
Рецензии
Лучшие отзывы о курсе SEQUENCES, TIME SERIES AND PREDICTION
от партнера OR3 авг. 2019 г.
It was an amazing experience to learn from such great experts in the field and get a complete understanding of all the concepts involved and also get thorough understanding of the programming skills.
от партнера JH21 мар. 2020 г.
Really like the focus on practical application and demonstrating the latest capability of TensorFlow. As mentioned in the course, it is a great compliment to Andrew Ng's Deep Learning Specialization.
от партнера MI6 июня 2020 г.
I really enjoyed this course, especially because it combines all different components (DNN, CONV-NET, and RNN) together in one application. I look forward to taking more courses from deeplearning.ai.
от партнера SP4 июня 2020 г.
I really love this course. It's really easy to understand and systematic. please create more course about time series forecasting. Thank you very much. I've learned a lot of things from this course.
Специализация TensorFlow in Practice: общие сведения
Discover the tools software developers use to build scalable AI-powered algorithms in TensorFlow, a popular open-source machine learning framework.
In this four-course Specialization, you’ll explore exciting opportunities for AI applications. Begin by developing an understanding of how to build and train neural networks. Improve a network’s performance using convolutions as you train it to identify real-world images. You’ll teach machines to understand, analyze, and respond to human speech with natural language processing systems. Learn to process text, represent sentences as vectors, and input data to a neural network. You’ll even train an AI to create original poetry!
AI is already transforming industries across the world. After finishing this Specialization, you’ll be able to apply your new TensorFlow skills to a wide range of problems and projects.
Looking for more advanced TensorFlow content? Check out the new TensorFlow: Data and Deployment Specialization.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.
Можно ли получить финансовую помощь?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
