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. • Predict future values of a time-series • Classify free form text • Address time-series and text problems with recurrent neural networks • Choose between RNNs/LSTMs and simpler models • Train and reuse word embeddings in text problems You will get hands-on practice building and optimizing your own text classification and sequence models on a variety of public datasets in the labs we’ll work on together. Prerequisites: Basic SQL, familiarity with Python and TensorFlow COMPLETION CHALLENGE Complete any GCP specialization from November 5 - November 30, 2019 for an opportunity to receive a GCP t-shirt (while supplies last). Check Discussion Forums for details.
Ce cours fait partie de la Spécialisation Advanced Machine Learning with TensorFlow on Google Cloud Platform
Sequence Models for Time Series and Natural Language Processing
Offert par
- Data Scientists
- Machine Learning Engineers
- Chief Technology Officers (CTOs)
- Data Engineers
- Scientists
Programme du cours : ce que vous apprendrez dans ce cours
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.
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.
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.
Text Classification
In this module we look at different ways of working with text and how to create your own text classification models.
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.
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.
Summary
In this final module, we review what you have learned so far about sequence modeling for time-series and natural language data.
50%
67%
Meilleurs avis pour Sequence Models for Time Series and Natural Language Processing
Great way to practically learn a lot of stuff. Sometimes, a lot of it starts to go over head. But, it is completely worth the learning curve! Definitely recommend it!
Excellent course for those who know RNN. Knowledge is refreshed and techniques are consolidated. More details about Google ecosystem is introduced.
À propos de Google Cloud
À propos du Spécialisation Advanced Machine Learning with TensorFlow on Google Cloud Platform
Foire Aux Questions
Puis-je prévisualiser un cours avant de m'inscrire ?
Oui, vous pouvez prévisualiser la première vidéo et consulter le programme du cours avant de vous inscrire. Vous devez acheter le cours pour accéder au contenu non inclus dans la prévisualisation.
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Si vous décidez de vous inscrire au cours avant la date de début de session, vous aurez accès à toutes les vidéos et lectures du cours. Vous pourrez soumettre des devoirs à partir du début de la session.
À quoi ai-je droit si je m'inscris ?
Une fois que vous êtes inscrit(e) et que votre session commence, vous avez accès à toutes les vidéos et aux autres ressources, y compris les éléments à lire et le forum de discussion du cours. Vous pouvez afficher et soumettre des devoirs pour vous exercer, et terminer les devoirs notés requis pour obtenir une note et un Certificat de Cours.
Quand recevrai-je mon Certificat de Cours ?
Si vous réussissez le cours, votre Certificat de Cours électronique sera ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat de Cours ou l'ajouter à votre profil LinkedIn.
Pourquoi ne puis-je pas assister à ce cours en auditeur libre ?
Ce cours fait partie du nombre restreint de cours proposés par Coursera actuellement disponibles uniquement aux étudiants ayant payé les frais du cours ou bénéficié de l'Aide Financière, lorsqu'elle est disponible.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
