趋近智
趋近智
学习构建和训练循环神经网络 (neural network)（RNN），包括长短期记忆网络（LSTM）和门控循环单元（GRU），用于高效处理时间序列分析和自然语言处理等序列建模任务。本课程讲解其基本结构、训练方法和使用常用深度学习 (deep learning)框架的实际操作。
先修课程 Python和机器学习基础
级别:
RNN基础
理解简单循环神经网络的结构和运作方式。
RNN训练
掌握时序反向传播（BPTT）的方法以及梯度消失/爆炸等难题。
高级架构
学习长短期记忆网络（LSTM）和门控循环单元（GRU）的结构和功能。
实现
使用标准深度学习库实现RNN、LSTM和GRU。
序列数据处理
为循环模型准备并预处理序列数据（文本、时间序列）。
序列建模任务
将RNN应用于分类、预测和生成等常见序列建模问题。