Wenn Sie ein Softwareentwickler sind, der skalierbare KI-gestützte Algorithmen erstellen möchte, müssen Sie verstehen, wie man die Werkzeuge für deren Erstellung verwendet. Diese Spezialisierung vermittelt Ihnen Best Practices für die Verwendung von TensorFlow, einem beliebten Open Source Framework für maschinelles Lernen. In diesem vierten Kurs lernen Sie, wie Sie Zeitreihenmodelle in TensorFlow erstellen. Sie werden zuerst Best Practices implementieren, um Zeitreihendaten vorzubereiten. Sie werden auch untersuchen, wie RNNs und 1D ConvNets für Vorhersagen verwendet werden können. Schließlich wenden Sie alles, was Sie während der Spezialisierung gelernt haben, an, um ein Sonnenfleckenvorhersagemodell mit realen Daten zu erstellen! Der Kurs Maschinelles Lernen und die Deep Learning-Spezialisierung von Andrew Ng vermitteln die wichtigsten und grundlegenden Prinzipien des Maschinellen Lernens und des Deep Learning. Diese neue DeepLearning.AI TensorFlow Developer Specialization lehrt Sie, wie Sie TensorFlow verwenden, um diese Prinzipien zu implementieren, so dass Sie beginnen können, skalierbare Modelle für reale Probleme zu erstellen und anzuwenden. Um ein tieferes Verständnis für die Funktionsweise neuronaler Netze zu entwickeln, empfehlen wir Ihnen, die Deep Learning-Spezialisierung zu belegen.
Sequenzen, Zeitreihen und Vorhersagen
Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

Sequenzen, Zeitreihen und Vorhersagen
Dieser Kurs ist Teil von DeepLearning.AI TensorFlow Entwickler (berufsbezogenes Zertifikat)

Dozent: Laurence Moroney
151.317 bereits angemeldet
5,162 Bewertungen
Empfohlene Erfahrung
Was Sie lernen werden
Lösen Sie Zeitreihen und Vorhersageprobleme in TensorFlow
Bereiten Sie Daten für das Lernen von Zeitreihen mit Hilfe von Best Practices vor
Entdecken Sie, wie RNNs und ConvNets für Vorhersagen verwendet werden können
Erstellen Sie ein Modell zur Vorhersage von Sonnenflecken anhand realer Daten
Kompetenzen, die Sie erwerben
- Kategorie: Prädiktive Modellierung
- Kategorie: Rekurrente Neuronale Netze (RNNs)
- Kategorie: Tiefes Lernen
- Kategorie: Zeitreihenanalyse und Vorhersage
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Maschinelles Lernen
- Kategorie: Vorverarbeitung von Daten
- Kategorie: Künstliche neuronale Netze
- Kategorie: Faltungsneuronale Netze
- Kategorie: Vorhersage
Werkzeuge, die Sie lernen werden
- Kategorie: Tensorflow
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
4 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Erweitern Sie Ihr Fachwissen im Bereich Maschinelles Lernen
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat von DeepLearning.AI zur Vorlage

In diesem Kurs gibt es 4 Module
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozent

Mehr von Maschinelles Lernen entdecken
Status: Vorschau
Status: Kostenloser TestzeitraumDeepLearning.AI
Status: Kostenloser TestzeitraumLearnQuest
Status: Kostenloser Testzeitraum
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
77,99 %
- 4 stars
15,72 %
- 3 stars
3,89 %
- 2 stars
1,16 %
- 1 star
1,22 %
Zeigt 3 von 5162 an
Geprüft am 25. Nov. 2019
Great course! The notebooks were a great help for understanding the material. I only wish there were auto-graded notebooks in addition to the quizzes like in some of the other courses by Andrew Ng.
Geprüft am 16. Juli 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.
Geprüft am 18. Juni 2020
Coming from a background of knowing Deep Learning and theory of Time Series, this course was extremely helpful in understanding the practical aspects. I would recommend you take a course as well
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,


