This course is an introduction to sequence models and their applications, including an overview of sequence model architectures and how to handle inputs of variable length.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Advanced Machine Learning with TensorFlow on Google Cloud Platform
von
Über diesen Kurs
37,580 kürzliche Aufrufe
Karriereergebnisse der Lernenden
50%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
67%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 15 Stunden zum Abschließen
Englisch
Untertitel: Englisch
Karriereergebnisse der Lernenden
50%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
67%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 15 Stunden zum Abschließen
Englisch
Untertitel: Englisch
von
Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Lehrplan - Was Sie in diesem Kurs lernen werden
4 Stunden zum Abschließen
Working with Sequences
In this module, you’ll learn what a sequence is, see how you can prepare sequence data for modeling, and be introduced to some classical approaches to sequence modeling and practice applying them.
4 Stunden zum Abschließen
14 Videos (Gesamt 41 min), 1 Lektüre, 4 Quiz
14 Videos
Getting Started with Google Cloud Platform and Qwiklabs3m
Sequence data and models5m
From sequences to inputs2m
Modeling sequences with linear models2m
Lab intro: using linear models for sequences20
Lab solution: using linear models for sequences7m
Modeling sequences with DNNs2m
Lab intro: using DNNs for sequences19
Lab solution: using DNNs for sequences2m
Modeling sequences with CNNs3m
Lab intro: using CNNs for sequences19
Lab solution: using CNNs for sequences3m
The variable-length problem4m
1 Lektüre
How to send course feedback10m
1 praktische Übung
Working with Sequences
15 Minuten zum Abschließen
Recurrent Neural Networks
In this module, we introduce recurrent neural nets, explain how they address the variable-length sequence problem, explain how our traditional optimization procedure applies to RNNs, and review the limits of what RNNs can and can’t represent.
15 Minuten zum Abschließen
4 Videos (Gesamt 15 min)
4 Videos
How RNNs represent the past4m
The limits of what RNNs can represent5m
The vanishing gradient problem1m
1 praktische Übung
Recurrent Neural Networks
4 Stunden zum Abschließen
Dealing with Longer Sequences
In this module we dive deeper into RNNs. We’ll talk about LSTMs, Deep RNNs, working with real world data, and more.
4 Stunden zum Abschließen
14 Videos (Gesamt 62 min)
14 Videos
LSTMs and GRUs6m
RNNs in TensorFlow2m
Lab Intro: Time series prediction: end-to-end (rnn)45
Lab Solution: Time series prediction: end-to-end (rnn)10m
Deep RNNs1m
Lab Intro: Time series prediction: end-to-end (rnn2)26
Lab Solution: Time series prediction: end-to-end (rnn2)6m
Improving our Loss Function2m
Demo: Time series prediction: end-to-end (rnnN)3m
Working with Real Data10m
Lab Intro: Time Series Prediction - Temperature from Weather Data1m
Lab Solution: Time Series Prediction - Temperature from Weather Data11m
Summary1m
1 praktische Übung
Dealing with Longer Sequences
2 Stunden zum Abschließen
Text Classification
In this module we look at different ways of working with text and how to create your own text classification models.
2 Stunden zum Abschließen
8 Videos (Gesamt 35 min)
8 Videos
Text Classification6m
Selecting a Model2m
Lab Intro: Text Classification47
Lab Solution: Text Classification11m
Python vs Native TensorFlow4m
Demo: Text Classification with Native TensorFlow7m
Summary1m
1 praktische Übung
Text Classification
1 Stunde zum Abschließen
Reusable Embeddings
Labeled data for our classification models is expensive and precious. Here we will address how we can reuse pre-trained embeddings to make our models with TensorFlow Hub.
1 Stunde zum Abschließen
6 Videos (Gesamt 28 min)
6 Videos
Modern methods of making word embeddings8m
Introducing TensorFlow Hub1m
Lab Intro: Evaluating a pre-trained embedding from TensorFlow Hub24
Lab Solution: TensorFlow Hub9m
Using TensorFlow Hub within an estimator1m
1 praktische Übung
Reusable Embeddings
3 Stunden zum Abschließen
Encoder-Decoder Models
In this module, we focus on a sequence-to-sequence model called the encoder-decoder network to solve tasks, such as Machine Translation, Text Summarization and Question Answering.
3 Stunden zum Abschließen
10 Videos (Gesamt 84 min)
10 Videos
Attention Networks4m
Training Encoder-Decoder Models with TensorFlow6m
Introducing Tensor2Tensor11m
Lab Intro: Cloud poetry: Training custom text models on Cloud AI Platform1m
Lab Solution: Cloud poetry: Training custom text models on Cloud AI Platform25m
AutoML Translation4m
Dialogflow6m
Lab Intro: Introducing Dialogflow54
Lab Solution: Dialogflow13m
1 praktische Übung
Encoder-Decoder Models
14 Minuten zum Abschließen
Summary
In this final module, we review what you have learned so far about sequence modeling for time-series and natural language data.
14 Minuten zum Abschließen
1 Video (Gesamt 4 min), 1 Lektüre
1 Video
Summary3m
1 Lektüre
Additional Reading10m
Über den Spezialisierung Advanced Machine Learning with TensorFlow on Google Cloud Platform
This 5-course specialization focuses on advanced machine learning topics using Google Cloud Platform where you will get hands-on experience optimizing, deploying, and scaling production ML models of various types in hands-on labs. This specialization picks up where “Machine Learning on GCP” left off and teaches you how to build scalable, accurate, and production-ready models for structured data, image data, time-series, and natural language text. It ends with a course on building recommendation systems. Topics introduced in earlier courses are referenced in later courses, so it is recommended that you take the courses in exactly this order.
Häufig gestellte Fragen
Kann ich vor der Anmeldung eine Vorschau des Kurses ansehen?
Ja, Sie können eine Vorschau des ersten Videos und den Lehrplan ansehen, bevor Sie sich anmelden. Sie müssen den Kurs kaufen, um Zugriff auf die Inhalte zu erhalten, die nicht in der Vorschau inbegriffen sind.
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Wenn Sie sich vor dem Startdatum der ersten Kurseinheit anmelden, haben Sie Zugriff auf alle Vortragsvideos und Texte für den Kurs. Sobald die erste Kurseinheit beginnt, können Sie Aufgaben einreichen.
Was bekomme ich, wenn ich mich anmelde?
Sobald Sie sich anmelden und Ihre Kurseinheit beginnt, haben Sie Zugriff auf alle Videos und andere Ressourcen, einschließlich der Texte und des Kurs-Diskussionsforums. Sie können praktische Aufgaben ansehen und einreichen und erforderliche bewertete Aufgaben abschließen, um eine Bewertung und ein Kurszertifikat zu erhalten.
Wann erhalte ich mein Kurszertifikat?
Wenn Sie den Kurs erfolgreich abschließen, wird der Seite „Errungenschaften“ Ihr elektronisches Kurszertifikat hinzugefügt – von dort können Sie Ihr Kurszertifikat ausdrucken oder es zu Ihrem LinkedIn-Profil hinzufügen.
Warum kann ich nicht als Gast an diesem Kurs teilnehmen?
Dieser Kurs ist einer der wenigen auf Coursera angebotenen Kurse, die derzeit ausschließlich für Kursteilnehmer zugänglich sind, die bezahlt oder finanzielle Unterstützung erhalten haben, wenn diese verfügbar ist.
Wie erfolgen Rückerstattungen?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
