Secuencias, series de tiempo y predicciones
Secuencias, series de tiempo y predicciones
Este curso forma parte de Certificado profesional de DeepLearning.AI desarrollador de TensorFlow

CURSO ON-LINE

* Clases teóricas
* Ejercicios prácticos
* Evaluaciones

Se otorga certificación oficial de Coursera
Sábados de 14 a 18 - Hora de Buenos Aires, Argentina - GMT-3
Horas: 16, en cuatro clases de cuatro horas
Comienzo: sábado 5 de junio

ARANCEL: $AR 7.000
Precio abonando antes del 22 de mayo: $AR 6.000

Precio general: pago único de U$S 200

Acerca de este Curso

Si sos un desarrollador de software que quiere construir algoritmos de IA escalables, necesitás saber cómo usar las herramientas necesarias para lograrlo. En esta especialización aprenderás las mejores prácticas para usar Keras y Tensorflow, dos frameworks de alto nivel para construir aplicaciones de Machine Learning con alta productividad. Aprenderás cómo construir modelos de series de tiempo con Keras. Implementaremos las mejores prácticas para preparar datos para series de tiempo. Exploraremos cómo se pueden usar para hacer predicciones las RNNs y 1D ConvNets. Finalmente, aplicaremos todo lo aprendido para construir un modelo predictivo de manchas solares usando datos del mundo real.

QUÉ APRENDERÁS

* A resolver series de tiempo y problemas de forecasting con Keras y TensorFlow

* A preparar datos para series de tiempo que aprenden usando mejores prácticas

* A explorar cómo se pueden usar para predecir las RNNs y las ConvNets

* A construir un modelo de manchas solares con datos del mundo real


1 Secuencias y predicciones

- Ejemplos de series de tiempo
- Patrones comunes en series de tiempo
- Introducción a series de tiempo
- Sets de entrenamiento, validación y testing
- Métricas para evaluar la performance
- Movimiento promedio y diferenciación
- Seguimiento versus ventanas centradas
- Forecasting
- Crear y predecir datos sintéticos

2 DNNs - Redes Neuronales Profundas para series de tiempo

- Preparación de features y labels
- Sequence bias
- Feeding windowed dataset into neural network
- Red neuronal de una sola capa
- Machine Learning en ventanas de tiempo
- Deep neural network training, tuning and prediction
- Weekly Exercise - Create Synthetic Data and predict with a DNN

3 Recurrent Neural Networks for time series

- Conceptual overview
- Shape of the inputs to the RNN
- Outputting a sequence
- Lambda layers
- Adjusting the learning rate dynamically
- Coding LSTMs
- Weekly Exercise- Mean Absolute Error

4 Real-world time series data

- Convolutions
- Bi-directional LSTMs
- More on batch sizing
- Real data - sunspots
- Train and tune the model
- Prediction
- Sunspots
- Combining our tools for analysis
- Weekly Exercise - Sunspots

Congratulations!
TensorFlow in practice has come to an end
Specialization wrap up - A conversation with Andrew Ng
What next?
Email *
Apellido *
Nombres *
Celular (Solo números) *
¿Es Graduado FIUBA? *
Localidad de residencia *
¿Te interesa participar en la cooperativa de trabajo?
Clear selection
Otra casilla de correo
Teléfono Particular
Carrera - Facultad - Universidad (En curso SI/NO)
Año de Graduación
Institución Relacionada
Posición que ocupa
Comentarios y Sugerencias
Submit
Never submit passwords through Google Forms.
This form was created inside of Centro de Graduados de la Facultad de Ingenieria. Report Abuse