Об этом курсе
Недавно просмотрено: 28,255

Курс 1 из 1 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Английский

Субтитры: Английский

Приобретаемые навыки

ForecastingMachine LearningTensorflowTime Seriesprediction

Курс 1 из 1 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
1 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!

...
10 видео ((всего 33 мин.)), 2 материалов для самостоятельного изучения
10 видео
SP W1 L1 Part 1- Time series examples4мин
SP W1 L1 Part 2 - Machine Learning applied to Time Series1мин
SP W1 L1 Part 3 - Common patterns in time series5мин
SP W1 L2 Intro to time series notebook4мин
SP W1 L3 Part 1 - Train validation test sets3мин
SP W1 L3 Part 2 - Metrics to evaluate performance2мин
SP W1 L3 Part 3 Moving average and differencing2мин
SP W1 L3 Part 4 Trailing versus centered windows1мин
SP W1 L4 - Forecasting notebook4мин
2 материала для самостоятельного изучения
Notebook link10мин
Week 1 Outro10мин
Неделя
2
1 ч. на завершение

Deep Neural Network 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!

...
10 видео ((всего 27 мин.)), 2 материалов для самостоятельного изучения
10 видео
SP W2 L1 - preparing features and labels from time series4мин
SP W2 L2 - Preparing features and labels notebook3мин
SP W2 L3 Part 1 - Windowed dataset2мин
SP W2 L3 Part 2 - Single layer neural network2мин
SP W2 L3 Part 3 - Clarifications37
SP W2 L3 Part 4 - Prediction2мин
SP W2 L4 -Single layer Neural Network notebook2мин
SP W2 L5 - Deep Neural Network4мин
SP W2 L6 -Deep Neural Network notebook3мин
2 материала для самостоятельного изучения
Sequence bias10мин
Week 2 Outro10мин
Неделя
3
1 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...

...
10 видео ((всего 21 мин.)), 3 материалов для самостоятельного изучения
10 видео
SP W3 L1 Part 1 - RNN Conceptual Overview2мин
SP W3 L1 Part 2 - Shape of the inputs to the RNN2мин
SP W3 L1 Part 3 - Outputting a sequence1мин
SP W3 L1 Part 4 - Lambda layers1мин
SP W3 L2 - Adjusting the learning rate dynamically2мин
SP W3 L3 - RNN notebook1мин
SP W3 L4 Part 1- LSTM1мин
SP W3 L4 Part 2 - Coding LSTMs2мин
SP W3 L5 - LSTM notebook1мин
3 материала для самостоятельного изучения
More info on Huber loss10мин
Link to the LSTM lesson10мин
Week 3 Outro10мин
Неделя
4
1 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.

...
11 видео ((всего 24 мин.)), 2 материалов для самостоятельного изучения
11 видео
SP W4 L1 Part 1 - Convolutions part 158
SP W4 L1 Part 2 - Bi-directional LSTMs3мин
SP W4 L2 LSTMs notebook1мин
SP W4 L3 Part 1 - Sunspots, real data3мин
SP W4 L3 Part 2 - train and tune the model3мин
SP W4 L3 Part 3 - Prediction1мин
SP W4 L4 - Sunspots notebook1мин
SP W4 L5 - Combining our tools to analyze sunspot data3мин
Course Outro SP W4 L638
Specialization Outro - A conversation with Andrew Ng2мин
2 материала для самостоятельного изучения
Convolutional Neural Networks course10мин
More on batch sizing10мин

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....

О специализации ''TensorFlow in Practice'

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.