TensorFlow para modelos de secuencia y pronóstico de series temporales

Predicción de tendencias futuras a partir de datos históricos es una capacidad crítica en el software moderno y la ciencia de datos.Este curso le presenta los fundamentos del modelado de secuencias y el pronóstico de series temporales utilizando TensorFlow. A través de explicaciones escritas y ejemplos de código claros, aprenderá cómo estructurar datos secuenciales y aplicar arquitecturas de redes neuronales para generar predicciones precisas. Lo que aprenderás: - Comprender los conceptos básicos de los datos de series temporales, incluidas las tendencias, la estacionalidad y el ruido - Prepare y preprocese los conjuntos de datos de secuencia de manera eficiente utilizando las modernas tuberías de datos TensorFlow - Construir modelos predictivos utilizando redes neuronales recurrentes (RNN) y redes de memoria a corto plazo (LSTM) - Aplicar redes neuronales convolucionales unidimensionales (CNN 1D) a datos secuenciales y temporales - Implementar estrategias de capacitación modernas, incluida la programación de la tasa de aprendizaje y las técnicas de validación - Evaluar el rendimiento de la previsión utilizando métricas estadísticas estándar El curso comienza con las definiciones de secuencia fundamentales y las técnicas de preparación de datos antes de pasar a las implementaciones de redes neuronales.Explorará varias arquitecturas de modelos y aprenderá cómo ajustarlas para un rendimiento de pronóstico óptimo. Este curso está diseñado para desarrolladores y aspirantes a científicos de datos que son nuevos en el pronóstico de series de tiempo y desean aprender el modelado de secuencias con TensorFlow.Se recomienda una comprensión básica de la programación de Python. Comience a leer hoy para dominar los conceptos básicos de la predicción de datos temporales.