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
Уточняване на мрежовата архитектура
  • Използване на функцията на разходите
  • Използване на оптимизатора
  • Използване на инициализатори
  • Монтиране на невронната мрежа
  • Изграждане на графичния извод
  • Загуба
  • обучение
  • Обучение на модела Графиката
  • Сесията
  • Влакова верига
  • Оценяване на модела Изграждане на Eval Graph
  • Оценяване с Eval Output
  • Модели за обучение в мащаб
  • Визуализиране и оценяване на модели с TensorBoard
  • Практически: Изграждане на модел за прогнозиране на оттеглянето на клиенти с дълбоко обучение с помощта на Python
  • Разширяване на възможностите на вашата компания
  • Разработване на модели в облака Използване на GPU за ускоряване на задълбочено обучение Прилагане на задълбочено обучение Neural Networks за компютърно зрение, гласово разпознаване и анализ на текст
  • Обобщение и заключение
  • Изисквания

    • Опит с Python програмиране
    • Общо запознаване с телеком концепциите
    • Основно познаване на статистиката и математическите концепции

    Публика

    • Разработчици
    • Учени по данни
      28 Hours
     

    Брой участници


    Започва

    Свършва


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Oтзиви от потребители (5)

    Свързани Kурсове

    Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

      21 Hours

    Свързани Kатегории