Mis à jour en mai 2025.Ce cours intègre désormais Coursera Coach ! Une façon plus intelligente d'apprendre avec des conversations interactives en temps réel qui vous aident à tester vos connaissances, à remettre en question vos hypothèses et à approfondir votre compréhension à mesure que vous progressez dans le cours.Les réseaux de neurones récurrents (RNN) sont une classe puissante de réseaux neuronaux conçus pour les données séquentielles, ce qui les rend idéaux pour la prédiction des séries chronologiques et les tâches de traitement du langage naturelPar ailleurs, les réseaux de neurones récurrents (RNN) sont utilisés pour la prédiction des séries chronologiques et le traitement du langage naturel. Ce cours commence par une introduction aux concepts fondamentaux des RNN et explore leur application dans la prévision et la prédiction des séries chronologiques. Vous plongerez dans le codage avec TensorFlow, en apprenant à mettre en œuvre des modèles autorégressifs et des RNN simples pour diverses tâches prédictives. Au fur et à mesure que le cours progresse, vous rencontrerez des architectures RNN plus sophistiquées, telles que les GRU et les LSTM. Ces unités sont essentielles pour traiter les séquences complexes et les dépendances à longue distance dans les données. Des sessions pratiques vous guideront dans l'utilisation de ces modèles pour des tâches difficiles, y compris la prédiction des rendements boursiers et la classification d'images sur l'ensemble de données MNIST. Le cours couvre également l'aspect critique de la gestion des formes de données et l'assurance que vos modèles sont bien structurés et efficaces. Vers la fin du cours, l'accent est mis sur le traitement du langage naturel (NLP), où vous explorerez les embeddings, le prétraitement de texte et la classification de texte à l'aide de LSTMs. En combinant les connaissances théoriques avec des exercices de codage pratiques, vous développerez une solide compréhension de la manière d'exploiter les RNN pour diverses applications. Qu'il s'agisse de prédire les cours de la bourse ou de classer du texte, ce cours vous dote des compétences nécessaires pour réussir dans le domaine de l'apprentissage profond. Ce cours est idéal pour les scientifiques des données, les ingénieurs en apprentissage automatique et les passionnés d'IA qui souhaitent apprendre et mettre en œuvre des réseaux de neurones récurrents pour l'analyse des séries temporelles et le traitement du langage naturel (NLP). Des connaissances de base en Python et en TensorFlow sont recommandées.