Aperçu
Ce cours avancé sur les Réseaux Neuronaux Récurrents (RNN) aborde des défis clés comme le problème du gradient évanescent et fournit des solutions telles que les Gated Recurrent Units (GRU) et les réseaux Long Short Term Memory (LSTM). Vous commencerez par une vue d'ensemble des modules RNN améliorés et approfondirez les RNN bidirectionnels et les modèles d'attention, établissant une base solide en concepts avancés des RNN.
Une mise en œuvre pratique utilisant TensorFlow est soulignée, avec des projets tels que la génération de texte et la prédiction des prix des actions pour consolider votre apprentissage. Ce cours vous assure d'acquérir les compétences nécessaires pour relever les défis réels de l'IA en toute confiance.
Grâce à des tutoriels vidéo, des projets réels et des exercices pratiques, vous acquerrez les connaissances et compétences avancées nécessaires pour exceller en IA. À la fin, vous développerez et appliquerez des modèles RNN avancés, comprendrez et implémenterez des GRU, LSTM et mécanismes d'attention, utiliserez TensorFlow pour les modèles RNN, et appliquerez ces modèles à des projets comme la génération de texte et la prédiction des prix des actions.
Conçu pour les data scientists, ingénieurs en apprentissage machine et passionnés d'IA ayant une bonne compréhension des RNN de base et des réseaux neuronaux, le cours combine des leçons théoriques approfondies avec des applications pratiques étendues.
Fournisseur universitaire : Coursera
Catégories : Cours de Deep Learning, Cours TensorFlow, Cours Long Short-Term Memory (LSTM), Cours Réseaux Neuronaux Récurrents (RNN)
Programme
Enseigné par
Étiquettes
