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.
課程信息
29,127 次近期查看
學生職業成果
50%
完成這些課程後已開始新的職業生涯
67%
通過此課程獲得實實在在的工作福利
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
可靈活調整截止日期
根據您的日程表重置截止日期。
高級
完成時間大約為15 小時
英語（English）
字幕：英語（English）
學生職業成果
50%
完成這些課程後已開始新的職業生涯
67%
通過此課程獲得實實在在的工作福利
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
可靈活調整截止日期
根據您的日程表重置截止日期。
高級
完成時間大約為15 小時
英語（English）
字幕：英語（English）
提供方
Google 云端平台
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
教學大綱 - 您將從這門課程中學到什麼
完成時間為 4 小時
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.
完成時間為 4 小時
14 個視頻 （總計 41 分鐘）, 1 個閱讀材料, 4 個測驗
14 個視頻
Getting Started with Google Cloud Platform and Qwiklabs3分鐘
Sequence data and models5分鐘
From sequences to inputs2分鐘
Modeling sequences with linear models2分鐘
Lab intro: using linear models for sequences20
Lab solution: using linear models for sequences7分鐘
Modeling sequences with DNNs2分鐘
Lab intro: using DNNs for sequences19
Lab solution: using DNNs for sequences2分鐘
Modeling sequences with CNNs3分鐘
Lab intro: using CNNs for sequences19
Lab solution: using CNNs for sequences3分鐘
The variable-length problem4分鐘
1 個閱讀材料
How to send course feedback10分鐘
1 個練習
Working with Sequences
完成時間為 15 分鐘
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.
完成時間為 15 分鐘
4 個視頻 （總計 15 分鐘）
4 個視頻
How RNNs represent the past4分鐘
The limits of what RNNs can represent5分鐘
The vanishing gradient problem1分鐘
1 個練習
Recurrent Neural Networks
完成時間為 4 小時
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.
完成時間為 4 小時
14 個視頻 （總計 62 分鐘）
14 個視頻
Introduction2分鐘
LSTMs and GRUs6分鐘
RNNs in TensorFlow2分鐘
Lab Intro: Time series prediction: end-to-end (rnn)45
Lab Solution: Time series prediction: end-to-end (rnn)10分鐘
Deep RNNs1分鐘
Lab Intro: Time series prediction: end-to-end (rnn2)26
Lab Solution: Time series prediction: end-to-end (rnn2)6分鐘
Improving our Loss Function2分鐘
Demo: Time series prediction: end-to-end (rnnN)3分鐘
Working with Real Data10分鐘
Lab Intro: Time Series Prediction - Temperature from Weather Data1分鐘
Lab Solution: Time Series Prediction - Temperature from Weather Data11分鐘
Summary1分鐘
1 個練習
Dealing with Longer Sequences
完成時間為 2 小時
Text Classification
In this module we look at different ways of working with text and how to create your own text classification models.
完成時間為 2 小時
8 個視頻 （總計 35 分鐘）
8 個視頻
Text Classification6分鐘
Selecting a Model2分鐘
Lab Intro: Text Classification47
Lab Solution: Text Classification11分鐘
Python vs Native TensorFlow4分鐘
Demo: Text Classification with Native TensorFlow7分鐘
Summary1分鐘
1 個練習
Text Classification
完成時間為 1 小時
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.
完成時間為 1 小時
6 個視頻 （總計 28 分鐘）
6 個視頻
Modern methods of making word embeddings8分鐘
Introducing TensorFlow Hub1分鐘
Lab Intro: Evaluating a pre-trained embedding from TensorFlow Hub24
Lab Solution: TensorFlow Hub9分鐘
Using TensorFlow Hub within an estimator1分鐘
1 個練習
Reusable Embeddings
完成時間為 3 小時
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.
完成時間為 3 小時
10 個視頻 （總計 84 分鐘）
10 個視頻
Attention Networks4分鐘
Training Encoder-Decoder Models with TensorFlow6分鐘
Introducing Tensor2Tensor11分鐘
Lab Intro: Cloud poetry: Training custom text models on Cloud AI Platform1分鐘
Lab Solution: Cloud poetry: Training custom text models on Cloud AI Platform25分鐘
AutoML Translation4分鐘
Dialogflow6分鐘
Lab Intro: Introducing Dialogflow54
Lab Solution: Dialogflow13分鐘
1 個練習
Encoder-Decoder Models
完成時間為 14 分鐘
Summary
In this final module, we review what you have learned so far about sequence modeling for time-series and natural language data.
完成時間為 14 分鐘
1 個視頻 （總計 4 分鐘）, 1 個閱讀材料
1 個視頻
Summary3分鐘
1 個閱讀材料
Additional Reading10分鐘
審閱
來自SEQUENCE MODELS FOR TIME SERIES AND NATURAL LANGUAGE PROCESSING的熱門評論
由 PR 提供2019年8月10日
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!
由 JW 提供2018年11月10日
Excellent course for those who know RNN. Knowledge is refreshed and techniques are consolidated. More details about Google ecosystem is introduced.
由 ND 提供2020年2月28日
I have only one remark, please improve lesson regarding NLP by includin model build etc. Otherwise course is excellent and was helpful for me
由 HS 提供2019年7月22日
Though not focused on fundamental concepts, it's a great course to learn to use tensorflow and google cloud platform for sequence modelling.
關於 Advanced Machine Learning with TensorFlow on Google Cloud Platform 專項課程
This 5-course specialization focuses on advanced machine learning topics using Google Cloud Platform where you will get hands-on experience optimizing, deploying, and scaling production ML models of various types in hands-on labs. This specialization picks up where “Machine Learning on GCP” left off and teaches you how to build scalable, accurate, and production-ready models for structured data, image data, time-series, and natural language text. It ends with a course on building recommendation systems. Topics introduced in earlier courses are referenced in later courses, so it is recommended that you take the courses in exactly this order.
常見問題
我能否在注册前预览课程？
是的，您可以在注册之前预览第一个视频和查看授课大纲。您必须购买课程，才能访问预览不包括的内容。
我什么时候能够访问课程视频和作业？
如果您决定在班次开始日期之前注册课程，那么您将可以访问课程的所有课程视频和阅读材料。班次开始之后，您便可以提交作业。
我注册之后会得到什么？
在您注册且班次开课之后，您将可以访问所有视频和其他资源，包括阅读材料内容和课程论坛。您将能够查看和提交练习作业，并完成所需的评分作业以获得成绩和课程证书。
我什么时候会收到课程证书？
如果您成功完成课程，您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。
我为什么不能旁听此课程？
该课程是 Coursera 上提供的为数不多的课程之一，目前只对已购买课程或已获得助学金的学生开放。
退款政策是如何规定的？
如果订阅，您可以获得 7 天免费试听，在此期间，您可以取消课程，无需支付任何罚金。在此之后，我们不会退款，但您可以随时取消订阅。请阅读我们完整的退款政策。
有助学金吗？
是的，Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请，申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤，包括毕业项目。了解更多。
完成课程后，我会获得大学学分吗？
此课程不提供大学学分，但部分大学可能会选择接受课程证书作为学分。查看您的合作院校，了解详情。Coursera 上的在线学位和 Mastertrack™ 证书提供获得大学学分的机会。
還有其他問題嗎？請訪問 學生幫助中心。
