TensorFlow untuk Ramalan Siri Masa dan Model Turutan

Menjangkakan trend masa depan dari data sejarah adalah keupayaan kritikal dalam perisian moden dan sains data. Kursus ini memperkenalkan anda kepada asas pemodelan urutan dan ramalan siri masa menggunakan TensorFlow. Anda akan berpindah dari memahami konsep asas siri masa ke membina, melatih, dan menilai model pembelajaran mendalam. Melalui penjelasan tertulis dan contoh kod yang jelas, anda akan belajar bagaimana untuk struktur data berturutan dan memohon arsitektur rangkaian saraf untuk menghasilkan ramalan yang tepat. Apa yang anda akan belajar: - Mengerti konsep asas data siri masa, termasuk trend, musim, dan bunyi - Sedia dan praproses set data urutan dengan efisien menggunakan paip data TensorFlow moden - Bina model ramalan menggunakan rangkaian saraf berulang (RNN) dan rangkaian ingatan jangka pendek panjang (LSTM) - Laksanakan Rangkaian Neural Konvolusi satu dimensi (1D CNNs) ke data berturutan dan sementara - Melaksanakan strategi latihan moden, termasuk teknik penjadualan kadar pembelajaran dan pengesahan - Nilai prestasi ramalan menggunakan metrik statistik piawai Kursus ini bermula dengan takrifan susunan asas dan teknik persediaan data sebelum bergerak ke implementasi rangkaian saraf. Anda akan meneroka pelbagai model arsitektur dan belajar bagaimana untuk menyelaraskan mereka untuk prestasi ramalan optimum. Kursus ini direka untuk pemaju dan saintis data yang bercita-cita yang baru dengan ramalan siri masa dan ingin belajar pemodelan susunan dengan TensorFlow. Pemahaman asas pemrograman Python dinasihatkan. Mula membaca hari ini untuk menguasai asas ramalan data temporal.