Mis à jour en mai 2025.Ce cours intègre désormais Coursera Coach ! Une façon plus intelligente d'apprendre avec des conversations interactives en temps réel qui vous aident à tester vos connaissances, à remettre en question vos hypothèses et à approfondir votre compréhension à mesure que vous progressez dans le cours.Plongez dans le monde des réseaux de neurones récurrents (RNN) avec ce cours approfondi conçu pour vous doter des connaissances essentielles et des compétences pratiques à l'aide de TensorFlow. Commencez par une introduction aux concepts fondamentaux des données séquentielles et des prévisions de séries chronologiques, puis progressez vers la compréhension et la mise en œuvre de modèles linéaires autorégressifs. Découvrez comment appliquer des RNN simples pour résoudre des problèmes plusieurs-à-un et plusieurs-à-plusieurs, avec des sessions de codage pratiques dans TensorFlow 2. Allez au-delà des bases avec des unités RNN modernes comme GRU et LSTM, en maîtrisant leur application dans la prédiction de signaux complexes et en surmontant les problèmes de dépendance à longue distance. Apprenez les subtilités de l'architecture RNN et préparez-vous à aborder des tâches plus difficiles telles que la classification d'images et les prédictions de rendement boursier. Le cours met l'accent sur des exercices de codage pratiques, garantissant que vous pouvez en toute confiance mettre en œuvre ces techniques dans des scénarios du monde réel. Enfin, explorez les applications du traitement du langage naturel (NLP), y compris les embeddings, le prétraitement de texte, et la classification de texte en utilisant les LSTMs. Ce cours est structuré pour fournir une compréhension approfondie des RNN, vous donnant les moyens d'appliquer efficacement ces modèles d'apprentissage profond dans divers domaines. Ce cours est parfait pour les développeurs, les scientifiques de données et les passionnés de technologie qui veulent apprendre à construire et à mettre en œuvre des systèmes de recommandation. Une connaissance de base de Python et des concepts d'apprentissage automatique est recommandée mais non requise.