Kurzusleírás
Bevezetés
A mesterséges intelligencia alapjai és Machine Learning
Megértés Deep Learning
- A mély tanulás alapvető fogalmainak áttekintése Az Machine Learning és a mélytanulás közötti különbségtétel A mélytanulási alkalmazások áttekintése
A Neural Networks áttekintése
- Mik azok Neural Networks Neural Networks vs regressziós modellek Matematikai alapok és tanulási mechanizmusok megértése Mesterséges neurális hálózat felépítése Neurális csomópontok és kapcsolatok megértése Neuronokkal, rétegekkel, valamint bemeneti és kimeneti adatokkal Az egyrétegű perceptronok megértése Különbségek a felügyelt és a tanulatlan tanulás között és visszajelzés Neural Networks Az előre terjedés és a vissza terjedés megértése A hosszú rövid távú memória (LSTM) megértése Az ismétlődő Neural Networks feltárása a gyakorlatban A konvolúciós Neural Networks feltárása a gyakorlatban Az út javítása Neural Networks Tanuljon
A Telecom-ben használt mély tanulási technikák áttekintése
- Neurális hálózatok Természetes nyelvi feldolgozás képfelismerés Speech Recognition Sentiment Analysis
Mély tanulási esettanulmányok felfedezése Telecom számára
- Az útválasztás és a szolgáltatás minőségének optimalizálása valós idejű hálózati forgalom elemzéssel Hálózati és eszközhibák, kimaradások, túlfeszültségek stb. előrejelzése Hívások valós időben történő elemzése a csaló magatartás azonosítása érdekében Az ügyfelek viselkedésének elemzése az új termékek és szolgáltatások iránti kereslet azonosítása érdekében, nagy mennyiségű SMS feldolgozása Üzenetek az SDN-ek és a virtualizált hálózatok valós idejű konfigurálásához szükséges támogatási hívásokhoz Speech Recognition
A mélyreható tanulás előnyeinek megértése Telecom számára
Különböző mély tanulási könyvtárak felfedezése Python számára
- TensorFlow Nehéz
A Python beállítása a TensorFlow segítségével a mélytanuláshoz
- A TensorFlow Python API telepítése A TensorFlow telepítési beállítások TensorFlow tesztelése a fejlesztéshez Az első TensorFlow neurális hálózati modelled
Beállítás Python a Keras segítségével a mély tanuláshoz
Egyszerű mély tanulási modellek felépítése a Keras segítségével
- Keras Modell létrehozása Az Ön adatainak megértése A mélytanulási modell megadása A modell összeállítása A modell illesztése Az Ön osztályozási adataival való munka Osztályozási modellek használata az Ön modelljei segítségével
Együttműködés a TensorFlow-vel a Deep Learning for Telecom számára
- Az adatok előkészítése Az adatok letöltése A képzési adatok előkészítése Tesztadatok skálázási bemeneteinek előkészítése helyőrzők és változók használatával
Követelmények
- Python programozási tapasztalat
- A távközlési fogalmak általános ismerete
- Statisztikai és matematikai fogalmak alapvető ismerete
Közönség
- Fejlesztők
- Adattudósok
Vélemények (5)
examples based on our data
Witold - P4 Sp. z o.o.
Kurzus - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Kurzus - 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
Kurzus - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Kurzus - Deep Learning for Telecom (with Python)
The clarity with which it was presented