This advanced course on Recurrent Neural Networks (RNNs) addresses key challenges like the vanishing gradient problem and provides solutions such as Gated Recurrent Units (GRUs) and Long Short Term Memory (LSTM) networks.
Advanced RNN Concepts and Projects
Ce cours fait partie de Spécialisation Deep Learning: Recurrent Neural Networks with Python
Instructeur : Packt - Course Instructors
Inclus avec
Expérience recommandée
Ce que vous apprendrez
Identify key components and functionalities of GRUs, LSTMs, and attention mechanisms.
Utilize TensorFlow to build, train, and optimize RNN models.
Develop and implement advanced RNN models to solve complex problems.
Compétences que vous acquerrez
- Catégorie : Vanishing Gradient
- Catégorie : GRU and LSTM Models
- Catégorie : Text Generation AI
- Catégorie : TensorFlow
- Catégorie : Recurrent Neural Networks
Détails à connaître
Ajouter à votre profil LinkedIn
septembre 2024
3 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 5 modules dans ce cours
In this module, we will address the vanishing gradient problem in Recurrent Neural Networks and explore various solutions. You'll learn about Gated Recurrent Units (GRUs) and Long Short Term Memory (LSTM) networks, including their mathematical foundations. Additionally, we will cover bidirectional RNNs and the attention model, providing a comprehensive approach to improving RNN performance.
Inclus
9 vidéos2 lectures
In this module, we will introduce you to TensorFlow, a powerful framework for building and training deep learning models. You will learn how to implement TensorFlow in practical applications, focusing on a text classification example using RNNs. Additionally, we'll compare TensorFlow with other popular deep learning frameworks to highlight its strengths and unique features.
Inclus
2 vidéos1 devoir
In this module, we will guide you through your first project: creating a book writer using RNNs. You will learn to map data, prepare the RNN architecture, and train the model using TensorFlow. By the end, you'll be able to generate coherent text and complete an activity to build a word-level text generator.
Inclus
7 vidéos
In this module, we will tackle the stock price prediction project. You will learn to define the problem, create and prepare a dataset, and train an RNN model. Through practical exercises, you will gain experience in evaluating the model's performance and implementing an artificial neural network for stock prediction.
Inclus
5 vidéos1 devoir
In this module, we will provide you with further reading and resources to expand your knowledge beyond the course. You'll have access to curated materials that will support your continued learning and mastery of Recurrent Neural Networks and their applications.
Inclus
1 vidéo1 lecture1 devoir
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Machine Learning
EDHEC Business School
École Polytechnique Fédérale de Lausanne
University of Michigan
Google Cloud
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
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.