Series temporales con Deep Learning (RNN, LSTM) y Prophet

提供方
Coursera Project Network
在此指導項目中,您將:

Entrenar y optimizar una red neuronal recurrente (RNN y LSTM)

Predecir series temporales con Facebook' Prophet

Predecir datos futuros con modelos de series temporales

Clock2 horas
Intermediate中級
Cloud無需下載
Video分屏視頻
Comment Dots西班牙語(Spanish)
Laptop僅限桌面

En este proyecto aplicado y práctico aprenderás a entrenar redes neuronales recurrentes (RNN y LSTM) y modelos de Prophet para predecir series temporales. Tanto las redes LSTM como Prophet son algunos de los modelos más avanzados para predecir valores futuros en base a series de tiempo. Por ello, te enseñaremos a como pre-procesar y preparar tus datos, a entrenar los modelos, a evaluarlos, a optimizarlos y a utilizarlos para predecir datos futuros. Al finalizar este curso habrás aprendido a entrenar tus propios modelos y a aplicarlos en tus propios proyectos.

您要培養的技能

  • Deep Learning
  • Prophet
  • Time Series
  • Long Short-Term Memory (ISTM)
  • keras

分步進行學習

在與您的工作區一起在分屏中播放的視頻中,您的授課教師將指導您完成每個步驟:

  1. Introducción a las series temporales

  2. Fundamentos de Redes Neuronales Recurrentes (RNN y LSTM)

  3. Funciones básicas con Keras

  4. Pre-procesamiento de datos y entrenamiento del modelo LSTM

  5. Ejercicio práctico. Desarrollo de un modelo LSTM

  6. Evaluación del modelo y predicciones

  7. Ejercicio práctico. Evaluación del modelo y predicción

  8. Desarrollo de un modelo avanzado de LSTM

  9. Ejercicio práctico. Modelo avanzado de LSTM

  10. Predicción con nuevos datos y despliegue del modelo

  11. Ejercicio práctico. Evaluación y puesta en producción de la red LSTM

  12. Series temporales con Prophet

指導項目工作原理

您的工作空間就是瀏覽器中的雲桌面,無需下載

在分屏視頻中,您的授課教師會為您提供分步指導

常見問題

常見問題

還有其他問題嗎?請訪問 學生幫助中心