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.
Ce cours fait partie de la Nombre de Développeur TensorFlow DeepLearning.AI Certificat Professionnel
Offert par
À propos de ce cours
271,363 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
You should take the first 3 courses of the TensorFlow Specialization and be comfortable coding in Python and understanding high school-level math.
Approx. 13 heures pour terminer
Anglais
Sous-titres : Français, Portugais (brésilien), Russe, Anglais, Espagnol
Ce que vous allez apprendre
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
Compétences que vous acquerrez
ForecastingMachine LearningTensorflowTime Seriesprediction
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
You should take the first 3 courses of the TensorFlow Specialization and be comfortable coding in Python and understanding high school-level math.
Approx. 13 heures pour terminer
Anglais
Sous-titres : Français, Portugais (brésilien), Russe, Anglais, Espagnol
Offert par
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
Programme du cours : ce que vous apprendrez dans ce cours
3 heures pour terminer
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 heures pour terminer
10 vidéos (Total 33 min), 3 lectures, 3 quiz
10 vidéos
Time series examples4 min
Machine learning applied to time series1 min
Common patterns in time series5 min
Introduction to time series4 min
Train, validation and test sets3 min
Metrics for evaluating performance2 min
Moving average and differencing2 min
Trailing versus centered windows1 min
Forecasting4 min
3 lectures
Introduction to time series notebook10 min
Forecasting notebook10 min
Week 1 Wrap up10 min
1 exercice pour s'entraîner
Week 1 Quiz
3 heures pour terminer
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 heures pour terminer
10 vidéos (Total 27 min), 5 lectures, 3 quiz
10 vidéos
Preparing features and labels4 min
Preparing features and labels3 min
Feeding windowed dataset into neural network2 min
Single layer neural network2 min
Machine learning on time windows37s
Prediction2 min
More on single layer neural network2 min
Deep neural network training, tuning and prediction4 min
Deep neural network3 min
5 lectures
Preparing features and labels notebook10 min
Sequence bias10 min
Single layer neural network notebook10 min
Deep neural network notebook10 min
Week 2 Wrap up10 min
1 exercice pour s'entraîner
Week 2 Quiz
3 heures pour terminer
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 heures pour terminer
10 vidéos (Total 20 min), 5 lectures, 3 quiz
10 vidéos
Conceptual overview2 min
Shape of the inputs to the RNN2 min
Outputting a sequence1 min
Lambda layers1 min
Adjusting the learning rate dynamically2 min
RNN1 min
LSTM1 min
Coding LSTMs2 min
More on LSTM1 min
5 lectures
More info on Huber loss10 min
RNN notebook10 min
Link to the LSTM lesson10 min
LSTM notebook10 min
Week 3 Wrap up10 min
1 exercice pour s'entraîner
Week 3 Quiz
3 heures pour terminer
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 heures pour terminer
11 vidéos (Total 24 min), 5 lectures, 3 quiz
11 vidéos
Convolutions58s
Bi-directional LSTMs3 min
LSTM1 min
Real data - sunspots3 min
Train and tune the model3 min
Prediction1 min
Sunspots1 min
Combining our tools for analysis3 min
Congratulations!38s
Specialization wrap up - A conversation with Andrew Ng2 min
5 lectures
Convolutional neural networks course10 min
More on batch sizing10 min
LSTM notebook10 min
Sunspots notebook10 min
Wrap up10 min
1 exercice pour s'entraîner
Week 4 Quiz
Avis
Meilleurs avis pour SEQUENCES, TIME SERIES AND PREDICTION
par WE16 juil. 2020
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.
par MI6 juin 2020
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.
par OR3 août 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.
par JH21 mars 2020
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.
À propos du Nombre de Développeur TensorFlow DeepLearning.AI Certificat Professionnel
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.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
- Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
- Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à ce Certificat ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours du Certificat, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
