Dive into the world of Recurrent Neural Networks (RNNs) with this in-depth course designed to equip you with essential knowledge and hands-on skills using TensorFlow. Start with an introduction to the core concepts of sequence data and time series forecasting, then progress to understanding and implementing autoregressive linear models. Discover how to apply simple RNNs to solve many-to-one and many-to-many problems, with practical coding sessions in TensorFlow 2.
Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.
Recommender Systems Complete Course Beginner to Advanced
Dozent: Packt - Course Instructors
Bei enthalten
Empfohlene Erfahrung
Was Sie lernen werden
Identify the fundamental concepts of sequence data and time series forecasting.
Explain the workings of autoregressive linear models and simple RNNs.
Implement GRU and LSTM units for various prediction tasks using TensorFlow.
Differentiate between simple RNNs, GRU, and LSTM units.
Kompetenzen, die Sie erwerben
- Kategorie: Machine Learning
- Kategorie: TensorFlow 2
- Kategorie: Data Learning
- Kategorie: Data Science
- Kategorie: Recurrent Neural Networks
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
September 2024
1 Aufgabe
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 3 Module
In this module, we will introduce the instructor and provide an overview of the course. You'll learn about the course structure, the key concepts covered, and the differences between machine learning and deep learning recommender systems.
Das ist alles enthalten
5 Videos1 Lektüre
In this module, we will explore the fundamentals of recommender systems, including their motivations, processes, and goals. You'll learn about different generations of recommender systems, their real-world applications, and the challenges they face. Additionally, this section covers various filtering techniques and their evaluation methods.
Das ist alles enthalten
63 Videos
In this module, we will delve into the application of deep learning techniques in recommender systems. You'll learn about foundational concepts, inference mechanisms, and different deep learning models, such as neural collaborative filtering and variational autoencoders. This module also includes a project on building an Amazon product recommendation system using TensorFlow.
Das ist alles enthalten
26 Videos1 Aufgabe
Dozent
von
Empfohlen, wenn Sie sich für Machine Learning interessieren
Sungkyunkwan University
University of Minnesota
DeepLearning.AI
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.
If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.
Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.