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 ''Профессиональная сертификация 'TensorFlow-разработчик от deeplearning.ai''
от партнера
Об этом курсе
Недавно просмотрено: 273,487
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.
Средний 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: Французский, Португальский (бразильский), Русский, Английский, Испанский
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.
Средний 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: Французский, Португальский (бразильский), Русский, Английский, Испанский
от партнера
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
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 WE16 июля 2020 г.
The course is fantastic. It was a bit short and with some hyperparameters tuning focus, it could have been great. Also, it seems that it is biased to show that LSTM is always superior to RNN networks.
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 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 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.
Профессиональная сертификация 'TensorFlow-разработчик от deeplearning.ai': общие сведения
TensorFlow is one of the most in-demand and popular open-source deep learning frameworks available today. The DeepLearning.AI TensorFlow Developer Professional Certificate program teaches you applied machine learning skills with TensorFlow so you can build and train powerful models.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
- Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
- Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на сертификацию?
Записавшись на курс, вы получите доступ ко всем курсам в сертификации, 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.
Получу ли я зачеты в университете за прохождение курса?
Этот курс не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате. Онлайн-дипломы и сертификаты Mastertrack™ от Coursera позволяют получить зачеты.
Остались вопросы? Посетите Центр поддержки учащихся.
