Recurrent Neural Network(循环神经网络)课程可以帮助您学习序列预测、时间序列分析和自然语言处理技术。您可以掌握设计和训练 RNN Architecture、优化模型性能和实施长短期记忆(LSTM)网络的技能。许多课程介绍了 TensorFlow 和 Keras 等工具,这些工具支持开发需要处理序列数据的 AI 应用程序,使您能够在实际场景中应用所学知识。

DeepLearning.AI
您将获得的技能: 卷积神经网络, 计算机视觉, PyTorch(机器学习库), MLOps(机器学习运营), 自然语言处理, 监督学习, 迁移学习, 拥抱的脸, Keras(神经网络库), 应用机器学习, 深度学习, 数据预处理, 性能调整, 图像分析, 调试, 嵌入, 机器学习, 张力流, 递归神经网络 (RNN), 人工神经网络
攻读学位
中级 · 专项课程 · 3-6 个月

DeepLearning.AI
您将获得的技能: 深度学习, 自然语言处理, 拥抱的脸, 迁移学习, 嵌入, 人工神经网络, 递归神经网络 (RNN)
中级 · 课程 · 1-4 周

Johns Hopkins University
您将获得的技能: Responsible AI, Autoencoders, Convolutional Neural Networks, Recurrent Neural Networks (RNNs), Data Ethics, Deep Learning, Artificial Neural Networks, Reinforcement Learning, Generative AI, Generative Adversarial Networks (GANs), Machine Learning Algorithms, Model Deployment, Debugging, Artificial Intelligence, Image Analysis, Unsupervised Learning, Machine Learning Methods, Artificial Intelligence and Machine Learning (AI/ML), Machine Learning, Computer Vision
中级 · 专项课程 · 3-6 个月

Simplilearn
您将获得的技能: Supervised Learning, Data Modeling, Unsupervised Learning, Applied Machine Learning, Data Analysis, Recurrent Neural Networks (RNNs), Model Deployment, Reinforcement Learning, Artificial Intelligence, Classification Algorithms, Classification And Regression Tree (CART), Tensorflow, Machine Learning Algorithms, Keras (Neural Network Library), Artificial Neural Networks, Deep Learning, Machine Learning, Decision Tree Learning, Predictive Analytics, Regression Analysis
初级 · 专项课程 · 1-3 个月

DeepLearning.AI
您将获得的技能: 卷积神经网络, 深度学习, 数据预处理, 应用机器学习, 预测, 预测建模, 机器学习, 时间序列分析和预测, 人工神经网络, 张力流, 递归神经网络 (RNN)
中级 · 课程 · 1-4 周

University of Colorado Boulder
您将获得的技能: Large Language Modeling, Recurrent Neural Networks (RNNs), Natural Language Processing, Prompt Engineering, Artificial Neural Networks, Transfer Learning, Deep Learning, PyTorch (Machine Learning Library), Embeddings, Model Evaluation, Model Deployment, Network Architecture
攻读学位
中级 · 课程 · 1-4 周

Sungkyunkwan University
您将获得的技能: Recurrent Neural Networks (RNNs), Convolutional Neural Networks, Image Analysis, Artificial Neural Networks, Natural Language Processing, Deep Learning, Computer Vision, Artificial Intelligence and Machine Learning (AI/ML), Machine Learning
初级 · 课程 · 1-3 个月

您将获得的技能: Model Evaluation, Keras (Neural Network Library), Technical Documentation, Artificial Neural Networks, PyTorch (Machine Learning Library), Deep Learning, Data Analysis, Applied Machine Learning, Network Architecture, Supervised Learning
中级 · 课程 · 1-4 周

您将获得的技能: Model Evaluation, Convolutional Neural Networks, Data Preprocessing, Keras (Neural Network Library), Image Analysis, Deep Learning, Tensorflow, Computer Vision, Artificial Neural Networks, Recurrent Neural Networks (RNNs), Data Manipulation, Data Transformation, Financial Forecasting, Data Visualization, Time Series Analysis and Forecasting, Exploratory Data Analysis, Python Programming, Customer Analysis, Applied Machine Learning, Cloud Computing
初级 · 专项课程 · 1-3 个月

您将获得的技能: 卷积神经网络, 模型评估, 分类与回归树 (CART), Keras(神经网络库), 深度学习, 回归分析, 机器学习, 迁移学习, 自动编码器, 自然语言处理, 应用机器学习, 图像分析, 递归神经网络 (RNN), 网络架构, 人工神经网络
中级 · 课程 · 1-3 个月

您将获得的技能: Recurrent Neural Networks (RNNs), Convolutional Neural Networks, Transfer Learning, Natural Language Processing, Deep Learning, PyTorch (Machine Learning Library), Large Language Modeling, Keras (Neural Network Library), Artificial Neural Networks, Image Analysis, Tensorflow, Artificial Intelligence, Machine Learning Methods, Computer Vision, Embeddings, Data Preprocessing, Model Evaluation
高级设置 · 课程 · 1-3 个月

您将获得的技能: Model Deployment, PyTorch (Machine Learning Library), Recurrent Neural Networks (RNNs), Tensorflow, Artificial Intelligence, Applied Machine Learning, Artificial Neural Networks, Artificial Intelligence and Machine Learning (AI/ML), Machine Learning Methods, Text Mining, Machine Learning, Natural Language Processing, Deep Learning, Predictive Modeling, Classification Algorithms, Supervised Learning, Time Series Analysis and Forecasting, Network Architecture, Data Science, Model Evaluation
初级 · 专项课程 · 1-3 个月
递归神经网络是一种按照逻辑顺序得出结论的计算机网络。 它旨在模仿人脑的思维过程。 递归神经网络可用于对数据进行分类,以建立序列、时间序列和预测。 它们是人工智能和机器学习的组成部分。
学习递归神经网络非常重要,因为它们在计算机编程中有很多用途。 特别是,您可以使用深度学习和人工智能生成预测结果,用于解决从识别新药化合物到构建销售预测等各种科学和业务问题。 您可以利用递归神经网络来识别推文中的情绪、分析业务数据或开发统计数据。 递归神经网络可以帮助你处理数据问题,如自然语言处理、纠正数据错误、处理缺失条目以及从小型数据集中提取信息。 这项技术拥有巨大的能量,因此需要懂得如何正确使用它的人才。
Coursera 上的在线课程可以帮助您学习多种语言和多种不同用途的递归神经网络。 课程涵盖 TensorFlow、Keras 和自然语言处理。 有些人强调理论。 还有人将递归神经网络视为人工智能或深度学习等其他计算机科学学科的一部分。 课程分为初级、中级和高级。 大多数课程都有学以致用的项目。 有些课程可授予专业证书和专业课程。 指导项目可帮助您展示当前的理解水平。
在开始学习递归神经网络之前,最好先对计算机和编程有一个基本的了解。 即使是初级课程,有些课程也会假定你了解 Python 的基础知识。 有些课程提供人工智能和机器学习的一般介绍,包括递归神经网络的概念,不要求编程或计算技能。
在线递归神经网络课程提供了一种方便灵活的方式来提高您的知识或学习新的递归神经网络技能。 从顶级大学和行业领导者提供的适合各种技能水平的循环神经网络课程中进行选择。