План на курса
Въведение
Основи на изкуствения интелект и Machine Learning
разбиране Deep Learning
- Преглед на основните концепции на задълбочено обучение Разграничаване между Machine Learning и задълбочено обучение Преглед на приложенията за задълбочено обучение
Преглед на Neural Networks
- Какво представляват Neural Networks Neural Networks срещу регресионни модели Разбиране на математическите основи и механизмите за обучение Изграждане на изкуствена невронна мрежа Разбиране на невронни възли и връзки Работа с неврони, слоеве и входни и изходни данни Разбиране на еднослойни перцептрони Разлики между контролирано и неконтролирано обучение Обучение напред и обратна връзка Neural Networks Разбиране на разпространението напред и обратно разпространение Разбиране на дългосрочната краткосрочна памет (LSTM) Изследване на повтаряща се Neural Networks на практика Изследване на конволюционна Neural Networks на практика Подобряване на начина Neural Networks Научете
Преглед на техниките за задълбочено обучение, използвани в Telecom
- Невронни мрежи Обработка на естествен език Разпознаване на изображения Speech Recognition Анализ на настроението
Проучване на казуси от задълбочено обучение за Telecom
- Оптимизиране на маршрутизирането и качеството на услугата чрез анализ на мрежовия трафик в реално време Предсказване на повреди в мрежата и устройствата, прекъсвания, скокове на търсенето и т.н. Анализиране на обаждания в реално време за идентифициране на измамно поведение Анализиране на поведението на клиентите за идентифициране на търсенето на нови продукти и услуги Обработка на големи обеми SMS Съобщения за получаване на информация Speech Recognition за обаждания за поддръжка Конфигуриране на SDN и виртуализирани мрежи в реално време
Разбиране на ползите от задълбоченото обучение за Telecom
Проучване на различните библиотеки за задълбочено обучение за Python
- TensorFlow Трудно
Настройване на Python с TensorFlow за дълбоко обучение
- Инсталиране на TensorFlow Python API Тестване на TensorFlow Инсталация Настройка TensorFlow за обучение за разработка Вашият първи TensorFlow модел на невронна мрежа
Настройване Python с Keras за дълбоко обучение
Изграждане на прости модели за задълбочено обучение с Keras
- Създаване на Keras модел Разбиране на вашите данни Специфициране на вашия модел за задълбочено обучение Компилиране на вашия модел Напасване на вашия модел Работа с вашите класификационни данни Работа с класификационни модели Използване на вашите модели
Работа с TensorFlow за Deep Learning за Telecom
- Подготовка на данните Изтегляне на данните Подготовка на данни за обучение Подготовка на тестови данни Входящи данни за мащабиране Използване на контейнери и променливи
Изисквания
- Опит с Python програмиране
- Общо запознаване с телеком концепциите
- Основно познаване на статистиката и математическите концепции
Публика
- Разработчици
- Учени по данни
Oтзиви от потребители (5)
examples based on our data
Witold - P4 Sp. z o.o.
Course - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Course - 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
Course - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Course - Deep Learning for Telecom (with Python)
The clarity with which it was presented