Jaringan Neural Berulang dan Pemodelan Urutan dalam Python

Pelajari cara membangun dan melatih LSTM, GRU, dan jaringan saraf berulang di Python untuk meramalkan data deret waktu dan menganalisis bahasa alami.

4.6 (6,031) ⏱ 40 mnt 📚 5 pelajaran

Tentang kursus ini

Data sekuensial ada di sekitar kita, mulai dari teks yang kita baca hingga tren keuangan yang kita lacak. Memahami cara memodelkan informasi sekuensial ini merupakan langkah fundamental dalam menguasai pembelajaran mendalam modern. Kursus berbasis teks ini memandu Anda melalui konsep inti Jaringan Neural Berulang (RNN) menggunakan Python dan TensorFlow. Anda akan beralih dari konsep dasar jaringan neural ke membangun model sekuensial, mempelajari cara menangani peramalan deret waktu dan tugas pemrosesan bahasa alami menggunakan praktik kerangka kerja modern. Apa yang akan Anda pelajari: - Memahami mekanisme dasar Jaringan Neural Berulang, GRU, dan LSTM. - Mempersiapkan dan memproses data teks dan numerik sekuensial menggunakan pustaka Python modern. - Membangun model sekuensial-ke-sekuensial dan sekuensial-ke-vektor menggunakan API TensorFlow dan Keras terbaru. - Menerapkan teknik pembelajaran mendalam untuk peramalan deret waktu, termasuk analisis pengembalian saham. - Menerapkan alur kerja pemrosesan bahasa alami, termasuk klasifikasi teks, analisis sentimen, dan penyematan kata. - Bandingkan arsitektur rekuren dengan model transformer berbasis perhatian modern untuk memahami evolusi pemrosesan sekuens. Kursus ini dimulai dengan terminologi penting dan mekanisme dasar data sekuens sebelum beralih ke implementasi praktis. Anda akan menjelajahi penjelasan kode tertulis langkah demi langkah yang menunjukkan cara mendesain, melatih, dan mengevaluasi model rekuren. Kursus ini dirancang untuk pemula dalam pembelajaran mendalam dan ilmu data yang memiliki pemahaman dasar tentang Python dan ingin mengkhususkan diri dalam pemodelan sekuens. Tidak diperlukan pengalaman sebelumnya dengan jaringan saraf. Mulailah membaca hari ini untuk membuka kekuatan pembelajaran mendalam sekuensial.

Apa yang Anda dapatkan

  • 📜 Sertifikat penyelesaian
    Tambahkan ke profil LinkedIn Anda
  • ♾️ Akses seumur hidup
    Kembali kapan saja, tanpa kedaluwarsa
  • 📱 Ponsel atau komputer
    Berfungsi di mana saja, perangkat apa saja
  • 💸 Pengembalian 30 hari
    Tanpa pertanyaan
  • Singkat dan fokus
    40 mnt konten praktis

Ulasan (5)

Antonia Gallardo CL
★ 3 · 2026-03-13T02:01:52+00:00

Secara keseluruhan pengalaman belajar yang baik. strukturnya masuk akal, dan contohnya relevan, meskipun saya merasa beberapa topik dapat dieksplorasi lebih mendalam.

Victoria Ruiz AR
★ 3 · 2026-01-11T02:21:52+00:00

Ini adalah pengenalan yang baik, bisa dibantu dengan contoh yang lebih beragam dan sedikit lebih baik antara modul.

Anna Tamm EE
★ 4 · 2025-12-13T19:36:52+00:00

Ini adalah pengalaman belajar yang hebat. penjelasan yang sangat jelas dan aliran logis yang membuat ide-ide kompleks mudah dipahami.

رقية DZ
★ 4 · 2025-04-29T13:04:52+00:00

sumber daya yang fantastis. saya belajar begitu banyak, dan contoh yang digunakan sangat membantu dalam memahami konsep. sangat direkomendasikan.

Renata Torres PA
★ 5 · 2025-02-15T23:30:52+00:00

Pengalaman belajar yang fantastis. kecepatannya sempurna dan contohnya benar-benar menjelaskan hal-hal.

Tulis ulasan

Setelah mengirim kami akan meminta masuk — draf Anda tersimpan.

Pelajar lain juga mengambil

Pertanyaan umum

Apa yang saya butuhkan untuk mengikuti kursus ini? +

Cukup ponsel atau komputer dengan internet. Tidak ada instalasi atau perangkat khusus.

Bagaimana cara membayar? +

Dengan kartu via Stripe, atau kripto. Kami tidak menyimpan detail kartu — Stripe menanganinya dengan aman.

Bisakah saya mendapat refund? +

Ya — refund penuh dalam 30 hari, tanpa pertanyaan.

Berapa lama saya akan punya akses? +

Selamanya. Setelah membeli, kursus jadi milik Anda untuk dikunjungi lagi kapan saja.

Apakah saya akan mendapat sertifikat? +

Ya. Setelah selesai, Anda akan menerima sertifikat yang bisa ditambahkan ke profil LinkedIn.

Dibuat untuk pelajar di
Teknologi Desain Keuangan Pemasaran Kesehatan Pendidikan Perhotelan Manufaktur