Time Series Forecasting dengan Deep Learning di PyTorch

Data deret waktu ada di mana-mana, dari pasar keuangan hingga bacaan sensor, dan menguasai pembelajaran mendalam untuk data berurutan adalah keterampilan penting bagi ilmuwan data modern. Anda akan mendapatkan pengetahuan praktis yang diperlukan untuk struktur, melatih, dan mengevaluasi model urutan untuk tugas prediksi dunia nyata. Apa yang akan kau pelajari: * Mengerti karakteristik data deret waktu, termasuk stasioner, tren, dan musim. * Siapkan data berurutan untuk model pembelajaran mendalam menggunakan normalisasi yang tepat dan teknik windowing. * Membuat dan melatih Recurrent Neural Networks (RNNs) dan Long Short-Term Memory (LSTM) arsitektur di PyTorch. * Konfigurasi pipa pemuatan data efisien menggunakan Dataset dan DataLoader PyTorch untuk pemrosesan batch data berurutan. * Terapkan praktik terbaik untuk melatih model pembelajaran mendalam, termasuk mengelola keadaan tersembunyi, menangani gradien menghilang, dan mengevaluasi kinerja perkiraan. Kursus ini dimulai dengan konsep-konsep deret waktu dan metode persiapan data yang penting. Anda kemudian akan melanjutkan dengan menerapkan model urutan inti (RNN/LSTM) dan menyelesaikan dengan struktur pelatihan lengkap dan rutinitas evaluasi yang diperlukan untuk aplikasi praktis. Kursus ini dirancang untuk pemula dalam pembelajaran mendalam dan analisis deret waktu yang akrab dengan pemrograman Python dasar. Tidak diperlukan pengalaman sebelumnya dengan PyTorch atau jaringan saraf. Mulai membangun model prediksi yang kuat hari ini.