Об этом курсе
Недавно просмотрено: 155,998

Курс 4 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

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. 8 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Чему вы научитесь

  • Check

    Solve time series and forecasting problems in TensorFlow

  • Check

    Prepare data for time series learning using best practices

  • Check

    Explore how RNNs and ConvNets can be used for predictions

  • Check

    Build a sunspot prediction model using real-world data

Приобретаемые навыки

ForecastingMachine LearningTensorflowTime Seriesprediction

Курс 4 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

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. 8 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
3 ч. на завершение

Sequences and Prediction

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
Неделя
2
3 ч. на завершение

Deep Neural Networks for Time Series

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 материала 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
Неделя
3
3 ч. на завершение

Recurrent Neural Networks for Time Series

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 материала 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
Неделя
4
3 ч. на завершение

Real-world time series data

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 материала для самостоятельного изучения
Convolutional neural networks course10мин
More on batch sizing10мин
LSTM notebook10мин
Sunspots notebook10мин
Wrap up10мин
1 практическое упражнение
Week 4 Quiz
4.6
Рецензии: 114Chevron Right

Лучшие отзывы о курсе Sequences, Time Series and Prediction

автор: ORAug 4th 2019

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.

автор: YKSep 30th 2019

A step by step explanation of how to use TensorFlow 2.0 for building a Neural network for sequences and time series. With detailed examples of code and of how to choose hyper-parameters.

Преподаватели

Avatar

Laurence Moroney

AI Advocate
Google Brain

О deeplearning.ai

deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders....

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. Courses 1-3 are available now, with Course 4 launching in July....
TensorFlow in Practice

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • 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.

Остались вопросы? Посетите Центр поддержки учащихся.