Course 4 of the deeplearning.ai TensorFlow Specialization will teach you how to solve time series and forecasting problems using RNNs, ConvNets, and the WaveNet architecture. The course will be available soon, but you can pre-enroll now.
Ce cours fait partie de la Spécialisation TensorFlow in Practice
Sequences, Time Series and Prediction
proposé par
À propos de ce cours
32,136 consultations récentes
Compétences que vous acquerrez
ForecastingMachine LearningTensorflowTime Seriesprediction
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
13 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!
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 outro10 min
1 exercice pour s'entraîner
Week 1 Quiz
Semaine
23 heures pour terminer
Deep Neural Network 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!
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 outro10 min
1 exercice pour s'entraîner
Week 2 Quiz
Semaine
33 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...
10 vidéos (Total 21 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 outro10 min
1 exercice pour s'entraîner
Week 3 Quiz
Semaine
43 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.
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 outro - A conversation with Andrew Ng2 min
5 lectures
Convolutional neural networks course10 min
More on batch sizing10 min
LSTM notebook10 min
Sunspots notebook10 min
Course 4 outro10 min
1 exercice pour s'entraîner
Week 4 Quiz
Enseignant
Laurence Moroney
AI AdvocateGoogle Brain
À propos de deeplearning.ai
deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders.
À propos de la Spécialisation 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.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, 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.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2019 Coursera Inc. Tous droits réservés.
