Über diesen Kurs
198,749 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

You should take the first 3 courses of the TensorFlow Specialization and be comfortable coding in Python and understanding high school-level math.

Ca. 8 Stunden zum Abschließen

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

Englisch

Untertitel: Englisch

Was Sie lernen werden

  • 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

Kompetenzen, die Sie erwerben

ForecastingMachine LearningTensorflowTime Seriesprediction

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

You should take the first 3 courses of the TensorFlow Specialization and be comfortable coding in Python and understanding high school-level math.

Ca. 8 Stunden zum Abschließen

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

Englisch

Untertitel: Englisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
3 Stunden zum Abschließen

Sequences and Prediction

10 Videos (Gesamt 33 min), 3 Lektüren, 3 Quiz
10 Videos
Time series examples4m
Machine learning applied to time series1m
Common patterns in time series5m
Introduction to time series4m
Train, validation and test sets3m
Metrics for evaluating performance2m
Moving average and differencing2m
Trailing versus centered windows1m
Forecasting4m
3 Lektüren
Introduction to time series notebook10m
Forecasting notebook10m
Week 1 Wrap up10m
1 praktische Übung
Week 1 Quiz
Woche
2
3 Stunden zum Abschließen

Deep Neural Networks for Time Series

10 Videos (Gesamt 27 min), 5 Lektüren, 3 Quiz
10 Videos
Preparing features and labels4m
Preparing features and labels3m
Feeding windowed dataset into neural network2m
Single layer neural network2m
Machine learning on time windows37
Prediction2m
More on single layer neural network2m
Deep neural network training, tuning and prediction4m
Deep neural network3m
5 Lektüren
Preparing features and labels notebook10m
Sequence bias10m
Single layer neural network notebook10m
Deep neural network notebook10m
Week 2 Wrap up10m
1 praktische Übung
Week 2 Quiz
Woche
3
3 Stunden zum Abschließen

Recurrent Neural Networks for Time Series

10 Videos (Gesamt 20 min), 5 Lektüren, 3 Quiz
10 Videos
Conceptual overview2m
Shape of the inputs to the RNN2m
Outputting a sequence1m
Lambda layers1m
Adjusting the learning rate dynamically2m
RNN1m
LSTM1m
Coding LSTMs2m
More on LSTM1m
5 Lektüren
More info on Huber loss10m
RNN notebook10m
Link to the LSTM lesson10m
LSTM notebook10m
Week 3 Wrap up10m
1 praktische Übung
Week 3 Quiz
Woche
4
3 Stunden zum Abschließen

Real-world time series data

11 Videos (Gesamt 24 min), 5 Lektüren, 3 Quiz
11 Videos
Convolutions58
Bi-directional LSTMs3m
LSTM1m
Real data - sunspots3m
Train and tune the model3m
Prediction1m
Sunspots1m
Combining our tools for analysis3m
Congratulations!38
Specialization wrap up - A conversation with Andrew Ng2m
5 Lektüren
Convolutional neural networks course10m
More on batch sizing10m
LSTM notebook10m
Sunspots notebook10m
Wrap up10m
1 praktische Übung
Week 4 Quiz
4.6
136 BewertungenChevron Right

Top-Bewertungen von Sequences, Time Series and Prediction

von 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.

von VVNov 26th 2019

Great course! The notebooks were a great help for understanding the material. I only wish there were auto-graded notebooks in addition to the quizzes like in some of the other courses by Andrew Ng.

Dozent

Avatar

Laurence Moroney

AI Advocate
Google Brain

Über deeplearning.ai

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

Über den Spezialisierung 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

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..