Si vous êtes un développeur de logiciels qui veut construire des algorithmes évolutifs alimentés par l'IA, vous devez comprendre comment utiliser les outils pour les construire. Cette spécialisation vous enseignera les meilleures pratiques pour utiliser TensorFlow, un framework open-source populaire pour l'apprentissage automatique. Dans ce quatrième cours, vous apprendrez à construire des modèles de séries chronologiques dans TensorFlow. Vous commencerez par mettre en œuvre les meilleures pratiques pour préparer les données de séries chronologiques. Vous explorerez également comment les RNN et les ConvNets 1D peuvent être utilisés pour la prédiction. Enfin, vous appliquerez tout ce que vous avez appris tout au long de la spécialisation pour construire un modèle de prédiction des taches solaires en utilisant des données du monde réel ! Le cours Apprentissage automatique et la spécialisation Deep learning d'Andrew Ng enseignent les principes les plus importants et les plus fondamentaux de l'apprentissage automatique et du Deep learning. Cette nouvelle spécialisation DeepLearning.IA TensorFlow Developer vous apprend à utiliser TensorFlow pour mettre en œuvre ces principes afin que vous puissiez commencer à construire et à appliquer des modèles évolutifs à des problèmes du monde réel. Pour développer une compréhension plus approfondie du fonctionnement des réseaux de neurones, nous vous recommandons de suivre la spécialisation Deep learning.
Séquences, séries temporelles et prédiction
Ce cours fait partie de Développeur DeepLearning.AI TensorFlow Certificat Professionnel
Instructeur : Laurence Moroney
143 166 déjà inscrits
(5,085 avis)
Expérience recommandée
Ce que vous apprendrez
Résoudre des problèmes de séries temporelles et de prévisions avec TensorFlow
Préparer les données pour l'apprentissage des séries temporelles en utilisant les meilleures pratiques
Découvrez comment les RNN et ConvNets peuvent être utilisés pour les prédictions
Construire un modèle de prévision des taches solaires à l'aide de données réelles
Compétences que vous acquerrez
- Catégorie : prédiction
- Catégorie : Tensorflow
- Catégorie : Prévisions
- Catégorie : Séries chronologiques
- Catégorie : Apprentissage automatique
Détails à connaître
Ajouter à votre profil LinkedIn
4 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise en Apprentissage automatique
- 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 auprès de DeepLearning.AI
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 4 modules dans ce cours
Bonjour aux apprenants et bienvenue dans ce cours sur les séquences et la prédiction ! Dans ce cours, nous allons examiner certaines des considérations uniques impliquées dans le traitement des données de séries temporelles séquentielles - où les valeurs changent au fil du temps, comme la température d'un jour particulier, ou le nombre de visiteurs sur votre site Web. Nous discuterons de diverses méthodologies pour prédire les valeurs futures de ces séries temporelles, en nous appuyant sur ce que vous avez appris dans les cours précédents !
Inclus
10 vidéos7 lectures1 devoir1 devoir de programmation2 laboratoires non notés
Après avoir exploré les séries temporelles et certains de leurs attributs communs, tels que la tendance et la saisonnalité, et après avoir utilisé des méthodes statistiques pour la projection, commençons maintenant à apprendre aux réseaux neuronaux à reconnaître et à prédire les séries temporelles !
Inclus
10 vidéos2 lectures1 devoir1 devoir de programmation3 laboratoires non notés
Les réseaux neuronaux récurrents et les réseaux de mémoire à long terme sont très utiles pour classer et prédire des données séquentielles. Cette semaine, nous allons explorer leur utilisation avec des séries temporelles..
Inclus
8 vidéos4 lectures1 devoir1 devoir de programmation2 laboratoires non notés
En plus des DNN et des RNN, ajoutons des convolutions, puis assemblons le tout à l'aide d'une série de données réelles - une série qui mesure l'activité des taches solaires sur des centaines d'années - et voyons si nous pouvons faire des prédictions à l'aide de ces données
Inclus
11 vidéos9 lectures1 devoir1 devoir de programmation2 laboratoires non notés
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
DeepLearning.AI
DeepLearning.AI
DeepLearning.AI
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
5 085 avis
- 5 stars
77,83 %
- 4 stars
15,87 %
- 3 stars
3,94 %
- 2 stars
1,13 %
- 1 star
1,19 %
Affichage de 3 sur 5085
Révisé le 21 mars 2020
Really like the focus on practical application and demonstrating the latest capability of TensorFlow. As mentioned in the course, it is a great compliment to Andrew Ng's Deep Learning Specialization.
Révisé le 4 juin 2020
Laurence Moroney is the best. Before taking up the course, i didnt know anything about the AI or ML or Tensorflow. The concepts were explained in such a manner that anyone can learn Tensorflow.
Révisé le 18 juin 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
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
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours du certificat et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations. De là, vous pourrez l'imprimer ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.