Ce cours avancé sur les réseaux neurones récurrents (RNN) aborde des défis clés tels que le problème du gradient de disparition et fournit des solutions telles que les unités récurrentes gérées (GRU) et les réseaux de mémoire court terme long (LSTM). Vous commencerez par un aperçu des modules RNN améliorés et plongerez dans les RNN bidirectionnels et les modèles d'attention, établissant une base solide dans les concepts RNN avancés. La mise en œuvre pratique à l'aide de TensorFlow est soulignée, avec des projets tels que la génération de texte et la prédiction des cours boursiers pour solidifier votre apprentissage. Ce cours vous assure d'acquérir les compétences nécessaires pour aborder les problèmes d'IA du monde réel en toute confiance. Grâce à des tutoriels vidéo, des projets du monde réel et des exercices pratiques, vous acquerrez les connaissances et les compétences avancées nécessaires pour exceller dans l'IA. À la fin, vous développerez et appliquerez des modèles RNN avancés, comprendrez et mettrez en œuvre des GRU, des LSTM et des mécanismes d'attention, utiliserez TensorFlow pour les modèles RNN et appliquerez ces modèles à des projets tels que la génération de texte et la prédiction du cours des actions. Conçu pour les scientifiques de données, les ingénieurs en apprentissage automatique et les passionnés d'IA ayant une solide compréhension des RNN de base et des réseaux de neurones, le cours combine des leçons approfondies avec des applications pratiques étendues.
Concepts et projets avancés de RNN
Ce cours fait partie de Spécialisation Deep learning : Réseaux de neurones récurrents (RNN) avec Python
Instructeur : Packt - Course Instructors
Inclus avec
Expérience recommandée
Ce que vous apprendrez
Identifier les composants clés et les fonctionnalités des GRU, des LSTM et des mécanismes d'attention.
Utiliser TensorFlow pour construire, entraîner et optimiser des modèles RNN.
Développer et mettre en œuvre des modèles RNN avancés pour résoudre des problèmes complexes.
Compétences que vous acquerrez
- Catégorie : Analyse des Données
- Catégorie : Réseaux neuronaux artificiels
- Catégorie : Traitement du langage naturel (NLP)
- Catégorie : Deep learning
- Catégorie : Intelligence artificielle et apprentissage automatique (IA/ML)
- Catégorie : Analyse des séries temporelles et prévisions
- Catégorie : Modélisation prédictive
- Catégorie : Traitement des données
- Catégorie : Tensorflow
Détails à connaître
Ajouter à votre profil LinkedIn
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
Il y a 5 modules dans ce cours
Dans ce module, nous aborderons le problème du gradient disparaissant dans les Réseaux neurones récurrents et explorerons diverses solutions. Vous découvrirez les unités récurrentes à portes (GRU) et les réseaux de Mémoire court terme et long terme (LSTM), y compris leurs fondements mathématiques. En outre, nous couvrirons les RNN bidirectionnels et le modèle d'attention, en fournissant une approche complète pour améliorer les performances des RNN.
Inclus
9 vidéos2 lectures
Dans ce module, nous vous présenterons TensorFlow, un cadre puissant pour la construction et l'entraînement de modèles de Deep learning. Vous apprendrez à mettre en œuvre TensorFlow dans des applications pratiques, en vous concentrant sur un exemple de classification de texte à l'aide de RNN. En outre, nous comparerons TensorFlow avec d'autres frameworks d'apprentissage profond populaires pour mettre en évidence ses forces et ses caractéristiques uniques.
Inclus
2 vidéos1 devoir
Dans ce module, nous vous guiderons dans votre premier projet : la création d'un écrivain de livres à l'aide de RNN. Vous apprendrez à cartographier les données, à préparer l'architecture RNN et à entraîner le modèle à l'aide de TensorFlow. À la fin, vous serez en mesure de générer un texte cohérent et de réaliser une activité pour construire un générateur de texte au niveau des mots.
Inclus
7 vidéos
Dans ce module, nous allons nous attaquer au projet de prédiction du cours des actions. Vous apprendrez à définir le problème, à créer et préparer un jeu de données, et à entraîner un modèle RNN. Grâce à des exercices pratiques, vous acquerrez de l'expérience dans l'évaluation des performances du modèle et dans l'implémentation d'un Réseau de neurones artificiels pour la prédiction des cours boursiers.
Inclus
5 vidéos1 devoir
Dans ce module, nous vous fournirons des lectures et des ressources supplémentaires pour étendre vos connaissances au-delà du cours. Vous aurez accès à des documents curatifs qui soutiendront votre apprentissage continu et votre maîtrise des Réseaux neurones récurrents (RNN) et de leurs applications.
Inclus
1 vidéo1 lecture1 devoir
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeur
Offert par
En savoir plus sur Apprentissage automatique
Statut : Essai gratuit
Statut : Essai gratuitJohns Hopkins University
Statut : Essai gratuit
Statut : Essai gratuit
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
Oui, vous pouvez visionner la première vidéo et le syllabus avant de vous inscrire. Vous devez acheter le cours pour accéder au contenu qui n'est pas inclus dans l'aperçu.
Si vous décidez de vous inscrire au cours avant la date de début de la session, vous aurez accès à toutes les vidéos et à toutes les lectures du cours. Vous pourrez soumettre vos travaux dès le début de la session.
Une fois que vous vous serez inscrit et que votre session aura commencé, vous aurez accès à toutes les vidéos et autres ressources, y compris les lectures et le forum de discussion du cours. Vous pourrez consulter et soumettre des évaluations pratiques, et effectuer les devoirs notés requis pour obtenir une note et un certificat de cours.
Plus de questions
Aide financière disponible,