Schița de curs
Introducere
Fundamentele inteligenței artificiale și Machine Learning
Înțelegerea Deep Learning
- Prezentare generală a conceptelor de bază ale învățării profunde Diferențierea între Machine Learning și învățarea profundă Prezentare generală a aplicațiilor pentru învățarea profundă
Prezentare generală a Neural Networks
- Ce sunt Neural Networks Neural Networks vs modelele de regresie Înțelegerea bazelor matematice și a mecanismelor de învățare Construirea unei rețele neuronale artificiale Înțelegerea nodurilor neuronale și a conexiunilor Lucrul cu neuroni, straturi și date de intrare și ieșire Înțelegerea perceptronilor cu un singur strat Diferențele dintre învățarea supravegheată și nesupravegheată Învățare Feedforward și Feedback Neural Networks Înțelegerea propagării înainte și a propagării invers Înțelegerea memoriei pe termen lung pe termen scurt (LSTM) Explorarea recurentei Neural Networks în practică Explorarea convoluțională Neural Networks în practică Îmbunătățirea modului Neural Networks Învățare
Prezentare generală a tehnicilor de învățare profundă utilizate în Telecom
- Rețele neuronale Procesarea limbajului natural Recunoașterea imaginilor Speech Recognition Analiza sentimentelor
Explorarea studiilor de caz de învățare profundă pentru Telecom
- Optimizarea rutării și a calității serviciului prin analiza în timp real a traficului de rețea. Predicția defecțiunilor rețelei și a dispozitivelor, întreruperile, creșterea cererii etc. Analiza apelurilor în timp real pentru a identifica comportamentul fraudulos. Analiza comportamentului clienților pentru a identifica cererea de produse și servicii noi. Procesarea unor volume mari de SMS-uri. Mesaje pentru a obține informații Speech Recognition pentru apelurile de asistență Configurarea SDN-urilor și a rețelelor virtualizate în timp real
Înțelegerea beneficiilor învățării profunde pentru Telecom
Explorarea diferitelor biblioteci de învățare profundă pentru Python
- TensorFlow Greu
Configurarea Python cu TensorFlow pentru Deep Learning
- Instalarea TensorFlow Python API Testarea TensorFlow Instalarea Configurarea TensorFlow pentru dezvoltare Antrenarea primului model de rețea neuronală TensorFlow
Configurarea Python cu Keras pentru Deep Learning
Construirea de modele simple de învățare profundă cu Keras
- Crearea unui model Keras Înțelegerea datelor dvs. Specificarea modelului dvs. de învățare profundă Compilarea modelului dvs. Potrivirea modelului dvs. Lucrul cu datele dvs. de clasificare Lucrul cu modelele de clasificare Utilizarea modelelor dvs.
Lucrul cu TensorFlow pentru Deep Learning pentru Telecom
- Pregătirea datelor Descărcarea datelor Pregătirea datelor de antrenament Pregătirea datelor de test Scalare intrări Folosind substituenți și variabile
Cerințe
- Experiență cu programarea Python
- Familiaritate generală cu conceptele de telecomunicații
- Familiaritate de bază cu statisticile și conceptele matematice
Audiență
- Dezvoltatorii
- Științifici de date
Mărturii (5)
examples based on our data
Witold - P4 Sp. z o.o.
Curs - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Curs - Deep Learning for Telecom (with Python)
I liked that the instructor had many pre-written scripts to show off many different aspects of ML and AI. I really enjoyed being able to see live demos of so many ways ML and AI is being used. Much of what we covered was cutting edge technology that is still in its early stages of development.
Matthew Pepper - Motorola Solutions
Curs - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Curs - Deep Learning for Telecom (with Python)
The clarity with which it was presented