Sequence Models for Time Series and Natural Language Processing

开始时间: 08/01/2020 持续时间: Unknown

所在平台: Coursera

课程类别: 计算机科学

大学或机构: CourseraNew



Explore 1600+ online courses from top universities. Join Coursera today to learn data science, programming, business strategy, and more.


第一个写评论        关注课程


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

时间序列和自然语言处理的序列模型:本课程介绍序列模型及其应用,包括序列模型体系结构概述以及如何处理可变长度的输入。 •预测时间序列的未来值 •对自由格式文本进行分类 •利用递归神经网络解决时间序列和文本问题 •在RNN / LSTM和更简单的模型之间选择 •训练和重用文本问题中的单词嵌入 在我们将共同努力的实验室中,您将获得动手实践,可以在各种公共数据集上构建和优化自己的文本分类和序列模型。 先决条件:基本SQL,熟悉Python和TensorFlow


Coursera Plus banner featuring three learners and university partner logos


谷歌云平台高级机器学习专项课程系列第四课:面向时间序列和自然语言处理的序列模型。这门课程将主要介绍序列模型及其应用,包括序列模型结构概览以及如何处理可变长输入。预测时间序列的未来值 • 对自由格式文本进行分类 • 使用递归神经网络解决时间序列和文本问题 • 在RNN/LSTM和更简单的模型之间进行选择 • 在文本问题中训练和重用词嵌入模型。在这门课程的实践平台上,学员将在不同的公共数据集上亲自构建和优化自己的文本分类器和序列模型。先决条件:基础的SQL知识,熟悉Python和TensorFlow。


时间序列 自然语言处理 序列模型 RNN LSTM 递归神经网络 文本分类 文本挖掘 机器学习 Tensorflow 深度学习 谷歌云平台