TensorFlow do prognozowania szeregów czasowych i modeli sekwencyjnych

Przewidywanie przyszłych trendów z danych historycznych jest kluczową możliwością w nowoczesnym oprogramowaniu i nauce o danych.Ten kurs wprowadza Cię w podstawy modelowania sekwencji i prognozowania szeregów czasowych za pomocą TensorFlow. Przejdziesz od zrozumienia podstawowych pojęć szeregów czasowych do budowania, szkolenia i oceny modeli głębokiego uczenia się.Poprzez pisemne wyjaśnienia i jasne przykłady kodu dowiesz się, jak strukturyzować sekwencyjne dane i stosować architektury sieci neuronowych w celu generowania dokładnych prognoz. Czego się nauczysz: - Zrozum podstawowe pojęcia danych szeregów czasowych, w tym trend, sezonowość i hałas - Wydajnie przygotowuj i wstępnie przetwarzaj zestawy danych sekwencji za pomocą nowoczesnych potoków danych TensorFlow - Buduj modele predykcyjne za pomocą sieci neuronowych (RNN) i sieci długiej pamięci krótkotrwałej (LSTM) - Zastosuj jednowymiarowe zwojowe sieci neuronowe (1D CNN) do danych sekwencyjnych i czasowych - Wdrażaj nowoczesne strategie szkoleniowe, w tym techniki planowania i walidacji tempa uczenia się - Oceń wydajność prognozowania za pomocą standardowych wskaźników statystycznych Kurs rozpoczyna się od podstawowych definicji sekwencji i technik przygotowania danych przed przejściem do implementacji sieci neuronowych.Zbadasz różne architektury modeli i nauczysz się, jak je dostroić, aby uzyskać optymalną wydajność prognozowania. Ten kurs jest przeznaczony dla programistów i początkujących naukowców zajmujących się danymi, którzy są nowicjuszami w prognozowaniu szeregów czasowych i chcą nauczyć się modelowania sekwencji za pomocą TensorFlow. Zacznij czytać już dziś, aby opanować podstawy prognozowania danych czasowych.