Ce cours complet sur la Mémoire court et long terme (LSTM) vous permet d'acquérir les compétences nécessaires pour construire des modèles séquence à séquence avancés pour la prévision des séries temporelles et le traitement du langage naturel. Commencez par comprendre les principes fondamentaux des réseaux neurones récurrents (RNN) et la manière dont les LSTM traitent les problèmes de gradient de disparition. Plongez dans l'architecture des LSTM : apprenez les fonctions des portes d'oubli, d'entrée et de sortie et comment elles gèrent la mémoire dans le temps. Passez à des applications pratiques dans des secteurs tels que la finance, la santé et les systèmes de chat pilotés par l'IA. Acquérir une expérience pratique grâce à des démonstrations guidées qui vous guident à travers des implémentations de LSTM dans le monde réel. Pour réussir ce cours, vous devez avoir une compréhension de base de Python, des principes fondamentaux de l'apprentissage automatique et des architectures de réseaux neurones.

À la fin de ce cours, vous serez en mesure de : - Expliquer les concepts de base et l'architecture des réseaux LSTM - Identifier des cas d'utilisation pratiques dans le NLP et la modélisation des séries chronologiques - Construire et former des modèles LSTM en utilisant des outils basés sur Python Idéal pour les scientifiques de données, les praticiens et les ingénieurs en IA.