Series temporales con Deep Learning (RNN, LSTM) y Prophet

от партнера
Coursera Project Network
В этом Проект с консультациями вы:

Entrenar y optimizar una red neuronal recurrente (RNN y LSTM)

Predecir series temporales con Facebook' Prophet

Predecir datos futuros con modelos de series temporales

Clock2 horas
IntermediateУчащийся среднего уровня
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsИспанский
LaptopТолько для ПК

En este proyecto aplicado y práctico aprenderás a entrenar redes neuronales recurrentes (RNN y LSTM) y modelos de Prophet para predecir series temporales. Tanto las redes LSTM como Prophet son algunos de los modelos más avanzados para predecir valores futuros en base a series de tiempo. Por ello, te enseñaremos a como pre-procesar y preparar tus datos, a entrenar los modelos, a evaluarlos, a optimizarlos y a utilizarlos para predecir datos futuros. Al finalizar este curso habrás aprendido a entrenar tus propios modelos y a aplicarlos en tus propios proyectos.

Навыки, которые вы получите

  • Deep Learning
  • Prophet
  • Time Series
  • Long Short-Term Memory (ISTM)
  • keras

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Introducción a las series temporales

  2. Fundamentos de Redes Neuronales Recurrentes (RNN y LSTM)

  3. Funciones básicas con Keras

  4. Pre-procesamiento de datos y entrenamiento del modelo LSTM

  5. Ejercicio práctico. Desarrollo de un modelo LSTM

  6. Evaluación del modelo y predicciones

  7. Ejercicio práctico. Evaluación del modelo y predicción

  8. Desarrollo de un modelo avanzado de LSTM

  9. Ejercicio práctico. Modelo avanzado de LSTM

  10. Predicción con nuevos datos y despliegue del modelo

  11. Ejercicio práctico. Evaluación y puesta en producción de la red LSTM

  12. Series temporales con Prophet

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.