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

提供:
Coursera Project Network
このガイド付きプロジェクトでは、次のことを行います。

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ダウンロード不要
Video分割画面ビデオ
Comment Dotsスペイン語
Laptopデスクトップのみ

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.

あなたが開発するスキル

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

ステップバイステップで学習します

ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。

  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

ガイド付きプロジェクトの仕組み

ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です

分割画面のビデオで、講師が手順ごとにガイドします

よくある質問

よくある質問

さらに質問がある場合は、受講者ヘルプセンターにアクセスしてください。