Ce cours fait partie de la Développeur TensorFlow DeepLearning.AI Certificat Professionnel

4.7
étoiles
4,525 évaluations

97 %

Laurence Moroney

99 544 déjà inscrits

Offert par

Développeur TensorFlow DeepLearning.AI Certificat Professionneldeeplearning.ai

À propos de ce cours

137 370 consultations récentes

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.
In this fourth course, you will learn how to build time series models in TensorFlow. You’ll first implement best practices to prepare time series data. You’ll also explore how RNNs and 1D ConvNets can be used for prediction. Finally, you’ll apply everything you’ve learned throughout the Specialization to build a sunspot prediction model using real-world data!

The Machine Learning course and Deep Learning Specialization from Andrew Ng teach the most important and foundational principles of Machine Learning and Deep Learning. This new deeplearning.ai TensorFlow Specialization teaches you how to use TensorFlow to implement those principles so that you can start building and applying scalable models to real-world problems. To develop a deeper understanding of how neural networks work, we recommend that you take the Deep Learning Specialization.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

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

Développeur TensorFlow DeepLearning.AI

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. 24 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol, Japonais

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

Forecasting
Machine Learning
Tensorflow
Time Series
prediction

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

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

Développeur TensorFlow DeepLearning.AI

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. 24 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol, Japonais

Enseignant

Évaluation de l'enseignant

4,72/5 (651 évaluations)

Laurence Moroney

Instructor

Lead AI Advocate, Google

381 119 étudiants

15 cours

Offert par

deeplearning.ai

DeepLearning.AI is an education technology company that develops a global community of AI talent.

Programme de cours : ce que vous apprendrez dans ce cours

Évaluation du contenu97%(9,721 évaluations)

Semaine

Semaine 1

6 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!

6 heures pour terminer

10 vidéos (Total 32 min), 6 lectures, 4 quiz

10 vidéos

Introduction, A conversation with Andrew Ng3 min

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 windows50s

Forecasting3 min

6 lectures

Where to find the notebooks for this course5 min

Introduction to time series notebook (Lab 1)30 min

Forecasting notebook (Lab 2)30 min

Week 1 Wrap up2 min

Assignment Troubleshooting Tips5 min

(Optional) Downloading your Notebook and Refreshing your Workspace2 min

1 exercice pour s'entraîner

Week 1 Quiz30 min

Semaine

Semaine 2

6 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!

6 heures pour terminer

10 vidéos (Total 25 min), 4 lectures, 3 quiz

10 vidéos

A conversation with Andrew Ng1 min

Preparing features and labels4 min

Preparing features and labels (screencast)2 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 network1 min

Deep neural network training, tuning and prediction4 min

Deep neural network2 min

4 lectures

Preparing features and labels notebook (Lab 1)30 min

Single layer neural network notebook (Lab 2)30 min

Deep neural network notebook (Lab 3)30 min

Week 2 Wrap up1 min

1 exercice pour s'entraîner

Week 2 Quiz30 min

Semaine

Semaine 3

5 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...

5 heures pour terminer

8 vidéos (Total 17 min), 5 lectures, 3 quiz

8 vidéos

Week 3 - A conversation with Andrew Ng3 min

Conceptual overview2 min

Shape of the inputs to the RNN2 min

Outputting a sequence1 min

Lambda layers1 min

Adjusting the learning rate dynamically2 min

LSTM1 min

Coding LSTMs2 min

5 lectures

RNN notebook (Lab 1)30 min

More info on Huber loss10 min

Link to the LSTM lesson10 min

LSTM notebook (Lab 2)30 min

Week 3 Wrap up1 min

1 exercice pour s'entraîner

Week 3 Quiz30 min

Semaine

Semaine 4

7 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.

7 heures pour terminer

11 vidéos (Total 23 min), 9 lectures, 3 quiz

11 vidéos

Week 4 - A conversation with Andrew Ng1 min

Convolutions58s

Bi-directional LSTMs3 min

Convolutions with LSTM1 min

Real data - sunspots3 min

Train and tune the model2 min

Prediction1 min

Sunspots1 min

Combining our tools for analysis3 min

Congratulations!38s

Specialization wrap up - A conversation with Andrew Ng2 min

9 lectures

Convolutional neural networks course10 min

Avis

4.7

716 avis

5 stars
76,57 %
4 stars
16,81 %
3 stars
4,09 %
2 stars
1,24 %
1 star
1,26 %

Meilleurs avis pour SEQUENCES, TIME SERIES AND PREDICTION

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 MM26 déc. 2019

I'm so glad to take this course and build my knowledge regarding time-series data and modern approaches to create prognostic models. Thanks to Andrew Ng and L. Moroney to provide this course.

par WB22 mai 2021

taking this course was undoubtedly a better idea than endless scans over tensorflow documentation and other books. I am glad I got to do this course, wish I had taken this up earlier

par PA24 avr. 2021

The course is overall amazing, the notebooks and videos given go hand in hand to build student's understanding. However, the video sound is too soft, using high volume is recommended

Voir tous les avis

À propos du 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.

In this hands-on, four-course Professional Certificate program, you’ll learn the necessary tools to build scalable AI-powered applications with TensorFlow. After finishing this program, you’ll be able to apply your new TensorFlow skills to a wide range of problems and projects. This program can help you prepare for the Google TensorFlow Certificate exam and bring you one step closer to achieving the Google TensorFlow Certificate. Ready to deploy your models to the world? Learn how to go live with your models with the TensorFlow: Data and Deployment Specialization. Looking to customize and build powerful real-world models for complex scenarios? Check out the TensorFlow: Advanced Techniques Specialization.

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 Étudiants.

Sequences, Time Series and Prediction