This course is an introduction to sequence models and their applications, including an overview of sequence model architectures and how to handle inputs of variable length. • Predict future values of a time-series • Classify free form text • Address time-series and text problems with recurrent neural networks • Choose between RNNs/LSTMs and simpler models • Train and reuse word embeddings in text problems You will get hands-on practice building and optimizing your own text classification and sequence models on a variety of public datasets in the labs we’ll work on together. Prerequisites: Basic SQL, familiarity with Python and TensorFlow COMPLETION CHALLENGE Complete any GCP specialization from November 5 - November 30, 2019 for an opportunity to receive a GCP t-shirt (while supplies last). Check Discussion Forums for details.
이 강좌는 Advanced Machine Learning with TensorFlow on Google Cloud Platform 전문 분야의 일부입니다.
Sequence Models for Time Series and Natural Language Processing
제공자:
- Data Scientists
- Machine Learning Engineers
- Chief Technology Officers (CTOs)
- Data Engineers
- Scientists
강의 계획 - 이 강좌에서 배울 내용
Working with Sequences
In this module, you’ll learn what a sequence is, see how you can prepare sequence data for modeling, and be introduced to some classical approaches to sequence modeling and practice applying them.
Recurrent Neural Networks
In this module, we introduce recurrent neural nets, explain how they address the variable-length sequence problem, explain how our traditional optimization procedure applies to RNNs, and review the limits of what RNNs can and can’t represent.
Dealing with Longer Sequences
In this module we dive deeper into RNNs. We’ll talk about LSTMs, Deep RNNs, working with real world data, and more.
Text Classification
In this module we look at different ways of working with text and how to create your own text classification models.
Reusable Embeddings
Labeled data for our classification models is expensive and precious. Here we will address how we can reuse pre-trained embeddings to make our models with TensorFlow Hub.
Encoder-Decoder Models
In this module, we focus on a sequence-to-sequence model called the encoder-decoder network to solve tasks, such as Machine Translation, Text Summarization and Question Answering.
Summary
In this final module, we review what you have learned so far about sequence modeling for time-series and natural language data.
50%
67%
Sequence Models for Time Series and Natural Language Processing의 최상위 리뷰
Great way to practically learn a lot of stuff. Sometimes, a lot of it starts to go over head. But, it is completely worth the learning curve! Definitely recommend it!
Excellent course for those who know RNN. Knowledge is refreshed and techniques are consolidated. More details about Google ecosystem is introduced.
Google 클라우드 정보
Advanced Machine Learning with TensorFlow on Google Cloud Platform 전문 분야 정보
자주 묻는 질문
등록 전에 강좌를 미리 볼 수 있나요?
예. 등록하기 전에 첫 번째 비디오를 미리 보고 강의 계획을 검토할 수 있습니다. 미리 보기에 포함되지 않은 콘텐츠를 이용하려면 강좌를 구매해야 합니다.
강의 및 과제를 언제 이용할 수 있게 되나요?
세션 시작일 전에 강좌에 등록하면 해당 강좌의 모든 강의 비디오 및 읽기 자료에 접근할 수 있습니다. 수업이 시작되면 과제를 제출할 수 있습니다.
등록하면 무엇을 이용할 수 있나요?
등록 후 세션이 시작되면 읽기 자료 항목 및 강좌 토론 포럼을 포함하여 모든 비디오와 기타 리소스를 이용할 수 있습니다. 연습 평가를 보고 제출하며 필요한 성적 평가 과제를 완료하여 성적을 받고 강좌 수료증을 취득할 수 있습니다.
강좌 수료증을 언제 받게 되나요?
강좌를 성공적으로 수료하면 전자 강좌 수료증이 성취도 페이지에 추가됩니다. 해당 페이지에서 강좌 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다.
이 강좌를 청강할 수 없는 이유는 무엇인가요?
이 강좌는 현재 Coursera에서 수업료를 결제했거나 재정 지원(해당하는 경우)을 받은 학습자만 이용할 수 있는 강좌입니다.
환불 규정은 어떻게 되나요?
재정 지원을 받을 수 있나요?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
