GRU, LSTM, + більш сучасне глибоке навчання, Машинне навчання та наука про дані для послідовностей
*** Тепер у tensorflow 2 та python 3 * * *
Дізнайтеся про одну з найпотужніших архітектур глибокого навчання на сьогоднішній день!
Рекурентна нейронна мережа (RNN) була використана для отримання найсучасніших результатів у моделюванні послідовностей.
Це включає аналіз часових рядів, прогнозування та обробку природної мови (NLP).
Дізнайтеся про те, чому RNN перевершують алгоритми машинного навчання Старої школи, такі як приховані моделі Маркова.
цей курс навчить вас:
- Основи машинного навчання та нейронів (просто огляд, щоб ви розігрілися!)
- Нейронні мережі для класифікації та регресії (просто огляд, щоб ви розігрілися!)
- Як моделювати дані послідовності
- Як моделювати дані часових рядів
- Як моделювати текстові дані для NLP (включаючи етапи попередньої обробки тексту)
- Як побудувати RNN за допомогою Tensorflow 2
- Як використовувати GRU та LSTM у Tensorflow 2
- Як виконувати прогнозування часових рядів за допомогою Tensorflow 2
- Як прогнозувати ціни на акції та прибутковість акцій за допомогою LSTMs у Tensorflow 2 (підказка: це не те, що ви думаєте!)
- Як використовувати вкладення в Tensorflow 2 для NLP
- Як побудувати класифікацію тексту RNN для NLP (приклади: виявлення спаму, аналіз настроїв, позначка частин мови, розпізнавання іменованих об'єктів)
Цей курс стосується "як створювати та розуміти", а не просто "як користуватися". Будь-хто може навчитися використовувати API за 15 хвилин після прочитання деякої документації. Йдеться не про" запам'ятовування фактів", а про те, щоб" побачити все своїми очима " за допомогою експериментів. Це навчить вас, як візуалізувати те, що відбувається всередині моделі. Якщо ви хочете більше, ніж просто поверхневий погляд на моделі машинного навчання, цей курс для вас.
Посилання
https://privatelink.de/?https://www.udemy.com/deep-learning-recurrent-neural-networks-in-python/