TensorFlow สำหรับทำนายและจำลองลำดับเวลา

การคาดการณ์แนวโน้มในอนาคตจากข้อมูลประวัติศาสตร์เป็นความสามารถที่สำคัญในซอฟต์แวร์สมัยใหม่และวิทยาศาสตร์ข้อมูล หลักสูตรนี้จะแนะนำให้คุณรู้จักกับพื้นฐานของการสร้างแบบจำลองลำดับและการคาดการณ์ลำดับเวลาโดยใช้ TensorFlow คุณจะเรียนรู้การสร้างและประเมินผลแบบจำลองการเรียนรู้ลึก ผ่านการอธิบายแบบเขียนและตัวอย่างโค้ดที่ชัดเจน คุณจะเรียนรู้วิธีการสร้างโครงสร้างข้อมูลลำดับและใช้สถาปัตยกรรมเครือข่ายประสาทเพื่อสร้างการคาดการณ์ที่แม่นยำ คุณจะเรียนรู้อะไร - เข้าใจหลักการพื้นฐานของข้อมูลลำดับเวลา รวมถึงแนวโน้ม, ฤดูกาล, และสัญญาณรบกวน - เตรียมและประมวลผลชุดข้อมูลลำดับก่อนการประมวลผลอย่างมีประสิทธิภาพโดยใช้ท่อส่งข้อมูล TensorFlow สมัยใหม่ - สร้างแบบจำลองการคาดการณ์ ใช้เครือข่ายประสาทแบบซ้ำ (RNNs) และเครือข่ายความจำระยะสั้นระยะยาว (LSTM) - ประยุกต์ใช้เครือข่ายประสาทแบบคอนวอลเลชั่น (1D CNNs) กับข้อมูลลำดับและเวลา - ใช้กลยุทธ์การฝึกอบรมสมัยใหม่ รวมถึงการวางแผนอัตราการเรียนรู้และเทคนิคการตรวจสอบ - ประเมินผลการคาดการณ์ ใช้มาตรฐานการวัดทางสถิติ หลักสูตรนี้จะเริ่มต้นด้วยการอธิบายลำดับพื้นฐานและเทคนิคการเตรียมข้อมูลก่อนที่จะย้ายไปยังการปฏิบัติการเครือข่ายประสาท คุณจะสำรวจโครงสร้างแบบจำลองต่าง ๆ และเรียนรู้วิธีการปรับแต่งให้เหมาะสมกับการทำนายผลลัพธ์ที่เหมาะสม หลักสูตรนี้ถูกออกแบบมาสำหรับนักพัฒนาและนักวิทยาศาสตร์ข้อมูลที่มีความฝัน สำหรับผู้ที่ยังไม่เคยทำการคาดการณ์ลำดับเวลามาก่อน และต้องการเรียนรู้การสร้างแบบจำลองลำดับด้วย TensorFlow แนะนำให้มีความเข้าใจพื้นฐานเกี่ยวกับการเขียนโปรแกรมด้วยภาษาไพธอน เริ่มอ่านวันนี้ เพื่อเรียนรู้พื้นฐานการทำนายข้อมูล