使用机器学习和递归神经网络进行时间序列预测的完整课程和项目,发表于 09/2022
MP4 | 视频:h264, 1280×720 | 音频:AAC,44.1 KHz,2 Ch
类型:eLearning | 语言:英语 | 时长:124 节课(12 小时 21 分钟)| 大小:5.2 GB
你会学到什么
- • 学习时间序列分析和预测的基础知识。
- • 学习数据分析技术和处理时间序列预测的基础知识。
- • 学习使用 Matplotlib 实现数据可视化技术的基础知识
- • 学习评估和分析时间序列预测参数,即季节性、趋势和平稳性等。
- • 学习计算和可视化时间序列数据集中的自相关、时间平均值、标准差和高斯噪声。
- • 学习评估时间序列预测中的应用机器学习
- • 学习实施用于时间序列预测的机器学习技术,即自动回归、ARIMA、自动 ARIMA、SARIMA 和 SARIMAX
- • 学习 RNN 模型的基础知识,即 GRU、LSTM、BiLSTM
- • 学习为时间序列预测建模 LSTM、Stacked LSTM、BiLSTM 和 Stacked BiLSTM 模型。
- • 了解过拟合、欠拟合、偏差和方差对 RNN 模型性能的影响
- • 了解如何通过三个最先进的项目实施 ML 和 RNN 模型。
- • 以及更多…
要求
• 不需要深度学习、数据分析或数学方面的先验知识。我们将从基础开始,逐步建立您在该主题中的知识。
• 愿意学习和实践。
• 只需要基本的Python。
描述
综合课程说明
你有没有想过,天气预报是如何做出的?
你有没有想过估计2050年的全球人口!
如果有人告诉你,只要坐在家里的笔记本电脑旁边,你就可以预测我们宇宙的预期寿命。
都是真的!仅仅因为时间序列预测教学法通过使用机器学习和深度学习的最先进和强大的模型。
您可能已经搜索了许多相关的课程,但是这门课程是不同的!
本课程是初学者从零开始学习时间序列、数据分析和预测方法的完整包。每个模块都有引人入胜的内容,完整的实践方法与简要的理论概念一起使用。在每个模块结束时,我们都会为您分配一个动手练习或测验,测验的解决方案也可以在下一个视频中找到。
我们将从时间序列分析的理论概念开始,在简要概述其特征、示例、时间序列数据收集机制及其在现实世界中的范围之后,我们将学习计算时间序列预测的基本基准步骤.
这个完整的软件包将使您能够使用 Numpy、Pandas 和 Matplotlib 学习有关时间序列数据的高级数据分析和可视化的基础知识。在本课程中,我们将使用 Python 作为编程语言,如果我们谈论机器学习,它是当今最热门的语言。Python 将从初级到高级进行教授,以便可以实现任何机器学习概念。
这门综合课程将指导您学习如何使用 Python 的强大功能根据季节性、趋势、噪声、自相关、平均超时、相关性和平稳性来评估您的时间序列数据集。此外,特征工程的影响和作用将使您能够为您的预测模型执行出色的数据处理。基于此学习,您将能够为应用的机器学习和 RNN 模型准备时间序列数据,以测试、训练和评估您的预测分数。
我们将从时间序列预测的角度学习应用机器学习模型的所有基本和必要概念,例如自动回归、移动平均、ARIMA、Auto-ARIMA、SARIMA、Auto-SARIMA 和 SARIMAX。此外,还将全面讨论这些模型的性能比较。
机器学习已被列为 Glassdoor 上最热门的工作之一,据 Indeed 称,在美国,机器学习工程师的平均工资超过 110,000 美元!机器学习是一项有价值的职业,可以让您解决一些世界上最有趣的问题!
在 RNN 模块中,我们将学习构建 GRU、LSTM、Stacked LSTM、BiLSTM 和 Stacked BiLSTM 模型的完整机制,以及欠拟合、过拟合、偏差、方差、辍学、密集层的作用、影响的实际概念批量大小,以及在多个不同层的 RNN 模型上的不同激活函数的性能。“递归神经网络”(RNN)的每个概念都将在理论上进行教授,并将使用 Python 实现。
本课程面向具有一定编程经验的初学者,甚至是对数据分析、ML 和 RNN 一无所知的初学者!
这门综合课程可与其他使用机器学习和 RNN 课程的时间序列课程相媲美,这些课程通常花费数千美元,但现在您只需一门课程即可以极少的成本学习所有这些信息!超过 12 小时的高清视频讲座分为 120 多个视频和每个地址的详细代码笔记本,这是 Udemy 上使用机器学习和 RNN 进行时间序列预测最全面的课程之一!
为什么要报名参加本课程?
本课程旨在帮助您了解时间序列分析的作用和影响以及如何使用 ML 和构建 RNN,以及如何训练它们,了解它们对过度拟合和欠拟合的关键概念的影响。这种直接的边做边学课程将帮助您掌握有关 Python 的概念和方法。
本课程是
· 容易理解。
· 富有表现力和不言自明。
· 说到点子上了。
· 实用的实时编码。
· 一个包含三个深度项目的完整包,涵盖完整的课程内容。
· 全面,涵盖著名数据科学家最近发现的最先进的 RNN 模型。
教学是我们的热情
我们专注于创建鼓励边做边学的在线教程。我们的目标是借助 RNN 和机器学习算法(如 ARIMA、SARIMA 和 SARIMAX 等)为您提供时间序列预测的表面知识。例如,本课程在最后一个模块中有三个项目,这将帮助您通过对出生率、证券交易所和 COVID-19 的真实数据集进行高级数据分析,亲身体验 RNN 和 ML 的实际实施。我们付出了额外的努力,以确保您清楚地理解这些概念。我们希望您在继续学习更复杂的概念之前对基础知识有充分的了解。确保您完成这一切的课程材料包括高质量的视频内容、课程笔记、有意义的课程材料、讲义、和评估练习。如有任何疑问,您也可以与我们友好的团队联系。
课程内容
我们将教你如何使用 Python 编程,如何使用它进行数据可视化、数据操作和 RNN!这只是我们将要学习的一些主题
1.包安装
2. 使用 Python 进行时间序列中的基本数据操作
3. 使用 Python 进行时间序列预测的数据处理
4. 使用 Python 进行时间序列预测中的机器学习
5. 使用 Python 的时间序列循环神经网络
6. 项目 1:使用机器学习算法进行 COVID-19 预测
7. 项目 2:使用 RNN 的微软公司股票预测
8. 项目 3:使用带有高级数据分析等的 RNN 进行出生率预测
报名参加课程,今天就成为时间序列预测专家!
成功完成本课程后,您将能够
· 将时间序列预测及其参数的概念和理论联系起来。
· 了解评估机器学习模型。
· 了解用于时间序列预测的 RNN 模型的模型和实现
本课程适用于谁
· 想要提升机器学习和深度学习技能的人。
· 想掌握数据科学与时间序列分析关系的人。
· 想要实施时间序列参数并评估其影响的人。
· 想要为时间序列预测实施机器学习算法的人。
· 对 RNN 充满热情的个人,特别是 LSTM、Stacked LSTM、BiLSTM 和 Stacked BiLSTM 模型。
· 机器学习从业者。
· 研究学者。
· 数据科学家。
本课程适用于谁
- • 想要提升机器学习和深度学习技能的人。
- • 想要掌握数据科学与时间序列分析的关系的人。
- • 想要实施时间序列参数并评估其影响的人。
- • 想要为时间序列预测实施机器学习算法的人。
- • 对RNNs 特别是LSTM、Stacked LSTM、BiLSTM 和Stacked BiLSTM 模型充满热情的人。
- • 机器学习从业者。
- • 研究学者。
- • 数据科学家。