课程主页: https://www.coursera.org/learn/tensorflow-sequences-time-series-and-prediction
在现代软件开发中，尤其是在构建可扩展的AI驱动算法时，掌握时间序列预测的技术至关重要。这正是Coursera上这门课程——《序列、时间序列和预测》所能带给你的。在这门课程中，你将学习如何使用TensorFlow这一流行的开源机器学习框架，来构建和分析时间序列模型。
课程的概览让我们了解了关注点：如何处理随着时间变化的序列数据，例如一天的气温或网站的访客数量等。课程内容由浅入深，首先教导我们如何准备时间序列数据，接着深入讲解循环神经网络(RNN)和1D卷积网络(ConvNets)在预测中的应用。
课程的大致安排如下：
1. **序列与预测**：学习处理序列时间序列数据的独特考虑因素，如何预测未来值，并回顾之前课程的内容。
2. **时间序列的深度神经网络**：在了解时间序列的一些常见特征（如趋势和季节性）后，使用统计方法进行预测，进一步学习如何让神经网络识别和预测时间序列。
3. **时间序列的递归神经网络**：深入探讨长短期记忆网络(LSTM)和递归神经网络在序列数据分类和预测中的应用。
4. **实际的时间序列数据**：结合DNN和RNN知识，使用卷积和真实世界的数据集进行预测，例如数百年的太阳黑子活动数据，从而实现综合预测。
总的来说，这门课程不仅仅是理论的堆砌，而是结合实际数据分析，帮助你掌握真正的技术应用。如果你希望在机器学习领域迈出坚实的一步，学习如何搭建时间序列模型，那么这门课程绝对值得推荐！
课程主页: https://www.coursera.org/learn/tensorflow-sequences-time-series-and-prediction