在线课程 – Packet Institute 的深度学习专业认证:使用 Python 的递归神经网络

了解如何使用 Python 构建递归神经网络。用 Python 语言理解和实现递归神经网络的综合指南。

Suggested by: Coursera (What is Coursera?)

Professional Certificate

开始

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 递归神经网络 (RNN)
  • 文档分类
  • 文本分类
  • DNN
  • 梯度下降
  • TensorFlow
  • 递归神经网络 (RNN)

What you will learn in the course

Courses for which the course is suitable

  • 机器学习工程师
  • 数据科学家
  • 业务分析师
  • 人工智能软件开发人员
  • 数据分析专家
  • 预测建模开发人员
  • 数据工程师

专业化 – 由 3 部分组成的课程系列

随着用户生成数据的快速增长,专注于重复神经网络 (RNN) 对于机器学习工程师执行分类和预测等任务至关重要。RNN、GRU 和 LSTM 等架构是首选,因此学习 RNN 是重中之重。

该课程从基础知识开始,逐步发展您构建、培训和实施 RNN 的理论和实践技能。您将在各种练习中学习有关以下主题的知识:

  • RNN 中的梯度下降
  • GRU 和 LSTM
  • 使用 TensorFlow 实现 RNN

本课程以两个令人兴奋且现实的项目结束:

  • 创建自动图书编写器
  • 股票价格预测应用程序

最后,您将能够自信地在项目中使用和实施 RNN。不需要任何 RNN 经验;尝试 Python 会有所帮助。

目标受众

本课程非常适合:

  • 开始
  • 希望开始使用 RNN 的经验丰富的数据科学家
  • 业务分析师
  • 那些对在项目中实施 RNN 感兴趣的人

通过令人振奋的练习、精心设计的模块和逼真的 RNN 应用程序,您将掌握 RNN,了解深度神经网络架构,并使用 TensorFlow 执行文本分类。

实践学习项目

学习者将参与以下项目:

  • 创建自动图书编写器
  • 股票价格预测应用程序

运用他们在 RNN、LSTM 和 TensorFlow 方面的技能来解决实际问题并构建有影响力的实用解决方案。通过这些项目,他们将获得数据准备、模型训练和评估方面的实践经验,这将使他们有信心在不同领域应用 RNN。

Details of the courses that make up the specialization

重复神经网络和深度神经网络模型简介

  • 课程 1 • 6 小时

课程详情

学习内容
  • 利用 PyTorch 构建和优化 AI 模型。
  • 检查梯度下降和优化超参数在优化模型中的效率。
  • 为语音识别和机器翻译等复杂任务开发和实施重复神经网络 (RNN) 模型。
您将获得的技能
  • 类别: 递归神经网络
  • 类别: 深度学习
  • 类别: 人工智能应用
  • 类别: 机器学习
  • 类别: 深度神经网络
  • 类别: 数据科学
  • 类别: 递归神经网络

RNN 架构和情感分类

  • 课程 2 • 7 小时

课程详情

学习内容
  • 识别不同的 RNN 结构,包括固定长度模型和具有无限内存的模型。
  • 检查 RNN 模型训练中梯度下降和梯度恢复的时间效率。
  • 为情绪分析和语言建模等高级任务开发和实施 RNN 模型。
您将获得的技能
  • 类别: 机器学习
  • 类别: PyTorch (机器学习库)
  • 类别: 人工智能中的情绪分类
  • 类别: 情感分析
  • 类别: 递归神经网络

RNN 高级原则和项目

  • 课程 3 • 6 小时

课程详情

学习内容
  • 确定 GRU、LSTM 和注意力机制的关键功能组件。
  • 利用 TensorFlow 构建、训练和优化 RNN 模型。
  • 开发和实施高级 RNN 模型以解决复杂问题。
您将获得的技能
  • 类别: 梯度下降消失
  • 类别: GRU 和 LSTM 模型
  • 类别: 用于文本生成的 AI
  • 类别: TensorFlow
  • 类别: 递归神经网络