了解迄今为止最强大的深度学习架构之一！循环神经网络 (RNN) 已被用于在序列建模中获得最先进的结果。这包括时间序列分析、预测和自然语言处理 (NLP)。
了解为什么 RNN 击败了诸如隐马尔可夫模型之类的老式机器学习算法。
本课程侧重于“如何构建和理解”，而不仅仅是“如何使用”。阅读一些文档后，任何人都可以在 15 分钟内学会使用 API。这不是关于“记住事实”，而是关于通过实验“亲眼看到”。它将教您如何可视化模型内部发生的事情。如果您想要的不仅仅是对机器学习模型的肤浅了解，那么本课程适合您。
本课程将教你：
机器学习和神经元的基础知识（只是一个让你热身的回顾！）
用于分类和回归的神经网络（只是让您热身的回顾！）
如何对序列数据建模
如何对时间序列数据建模
如何为 NLP 建模文本数据（包括文本的预处理步骤）
如何使用 Tensorflow 2 构建 RNN
如何在 Tensorflow 2 中使用 GRU 和 LSTM
如何使用 Tensorflow 2 进行时间序列预测
如何在 Tensorflow 2 中使用 LSTM 预测股票价格和股票收益（提示：这不是你想的那样！）
如何在 NLP 中使用 Tensorflow 2 中的嵌入
如何为 NLP 构建文本分类 RNN（示例：垃圾邮件检测、情感分析、词性标注、命名实体识别）
本课程所需的所有材料均可免费下载和安装。我们将在 Numpy、Matplotlib 和 Tensorflow 中完成大部分工作。我随时可以回答您的问题并在您的数据科学之旅中为您提供帮助。
MP4 | Video: h264, 1280×720 | Audio: AAC, 44100 Hz
Language: English | Size: 3.66 GB | Duration: 11h 54m
What you’ll learn
Apply RNNs to Time Series Forecasting (tackle the ubiquitous “Stock Prediction” problem)
Apply RNNs to Natural Language Processing (NLP) and Text Classification (Spam Detection)
Apply RNNs to Image Classification
Understand the simple recurrent unit (Elman unit), GRU, and LSTM (long short-term memory unit)
Write various recurrent networks in Tensorflow 2
Understand how to mitigate the vanishing gradient problem
