Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.7
5,162 Bewertungen
Stufe Mittel
Empfohlene Erfahrung
Empfohlene Erfahrung
Stufe „Mittel“
Sie sollten die ersten 3 Kurse der TensorFlow Specialization belegen und mit der Programmierung in Python vertraut sein sowie Mathematik auf Highschool-Niveau verstehen.
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.7
5,162 Bewertungen
Stufe Mittel
Empfohlene Erfahrung
Empfohlene Erfahrung
Stufe „Mittel“
Sie sollten die ersten 3 Kurse der TensorFlow Specialization belegen und mit der Programmierung in Python vertraut sein sowie Mathematik auf Highschool-Niveau verstehen.
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für dieses berufsbezogene Zertifikat angemeldet.
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
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.
Hallo und herzlich willkommen zu diesem Kurs über Sequenzen und Vorhersagen! In diesem Kurs werfen wir einen Blick auf einige der besonderen Überlegungen, die beim Umgang mit sequenziellen Zeitreihendaten angestellt werden müssen - bei denen sich die Werte im Laufe der Zeit ändern, wie z.B. die Temperatur an einem bestimmten Tag oder die Anzahl der Besucher auf Ihrer Website. Wir werden verschiedene Methoden für die Vorhersage zukünftiger Werte in diesen Zeitreihen besprechen und dabei auf dem aufbauen, was Sie in früheren Kursen gelernt haben!
Maschinelles Lernen angewandt auf Zeitreihen•2 Minuten
Gemeinsame Muster in Zeitreihen•5 Minuten
Einführung in Zeitreihen•4 Minuten
Trainings-, Validierungs- und Test-Sets•3 Minuten
Metriken zur Bewertung der Leistung•2 Minuten
Gleitender Durchschnitt und Differenzierung•3 Minuten
Nachlaufende versus zentrierte Fenster•1 Minute
Vorhersage•4 Minuten
7 Lektüren•Insgesamt 18 Minuten
Willkommen auf dem Kurs!•1 Minute
Über die Notizbücher in diesem Kurs•5 Minuten
Woche 1 Nachbereitung•2 Minuten
Treten Sie dem DeepLearning.AI Forum bei, um Fragen zu stellen, Unterstützung zu erhalten oder erstaunliche Ideen zu teilen!•2 Minuten
Vorlesungsunterlagen Woche 1•1 Minute
Tipps zur Fehlerbehebung bei der Zuweisung•5 Minuten
(Optional) Herunterladen des Notebooks und Aktualisieren des Arbeitsbereichs•2 Minuten
1 Aufgabe•Insgesamt 30 Minuten
Woche 1 Quiz•30 Minuten
1 Programmieraufgabe•Insgesamt 180 Minuten
Arbeiten mit generierten Zeitreihen•180 Minuten
2 Unbewertete Labore•Insgesamt 60 Minuten
Einführung in das Zeitreihen-Notizbuch (Lab 1)•30 Minuten
Notizbuch für Prognosen (Labor 2)•30 Minuten
Tiefe neuronale Netze für Zeitreihen
Woche2•5 Stunden abzuschließen
Moduldetails
Nachdem wir uns mit Zeitreihen und einigen gängigen Attributen von Zeitreihen wie Trend und Saisonalität beschäftigt und statistische Methoden für die Projektion verwendet haben, wollen wir nun damit beginnen, neuronalen Netzwerken beizubringen, Zeitreihen zu erkennen und vorherzusagen!
Notizbuch für tiefe neuronale Netze (Lab 3)•30 Minuten
Rekurrente neuronale Netze für Zeitreihen
Woche3•5 Stunden abzuschließen
Moduldetails
Rekurrente neuronale Netzwerke und Long Short Term Memory-Netzwerke sind sehr nützlich, um sequenzielle Daten zu klassifizieren und vorherzusagen. In dieser Woche werden wir ihre Verwendung bei Zeitreihen untersuchen..
Fügen wir zu den DNNs und RNNs noch Faltungen hinzu und setzen wir das Ganze mit einer realen Datenreihe zusammen - einer, die die Sonnenfleckenaktivität über Hunderte von Jahren misst - und sehen wir, ob wir damit Vorhersagen treffen können
DeepLearning.AI ist ein Bildungstechnologie-Unternehmen, das eine globale Gemeinschaft von KI-Talenten entwickelt.
Die von Experten geleiteten Bildungserfahrungen von DeepLearning.AI geben KI-Praktikern und nicht-technischen Fachleuten die notwendigen Werkzeuge an die Hand, um von den Grundlagen bis hin zu fortgeschrittenen Anwendungen zu gelangen und eine KI-gestützte Zukunft aufzubauen.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Bewertungen von Lernenden
4.7
5.162 Bewertungen
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
W
WE
4·
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.
V
VV
5·
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.
J
JH
5·
Geprüft am 21. März 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.
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich dieses Zertifikat abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugang zu allen Kursen des Zertifikats, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird zu Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.