Schița de curs
Introducere
Fundamentele Inteligenței Artificiale și Învățării Automate
Înțelegerea Învățării Profunde
- Prezentare generală a conceptelor de bază ale învățării profunde
- Diferențierea dintre învățarea automată și învățarea profundă
- Prezentare generală a aplicațiilor învățării profunde
Prezentare generală a rețelelor neuronale
- Ce sunt rețelele neuronale
- Rețele neuronale vs modele de regresie
- Înțelegerea fundamentei matematice și a mecanismelor de învățare
- Construirea unei rețele neuronale artificiale
- Înțelegerea nodurilor și conexiunilor neuronale
- Lucrul cu neuroni, straturi și date de intrare și ieșire
- Înțelegerea perceptronilor cu un singur strat
- Diferențe dintre învățarea supervizată și nesupravegheată
- Învățarea rețelelor neuronale feedforward și feedback
- Înțelegerea propagării înainte și a propagării inverse
- Înțelegerea memoriei pe termen scurt și lung (LSTM)
- Explorarea rețelelor neuronale recurente în practică
- Explorarea rețelelor neuronale convoluționale în practică
- Îmbunătățirea modului în care rețelele neuronale învață
Prezentare generală a tehnicilor de învățare profundă utilizate în telecomunicații
- Rețele neuronale
- Prelucrarea limbajului natural
- Recunoașterea imaginilor
- Recunoașterea vorbirii
- Analiza sentimentelor
Explorarea studiilor de caz de învățare profundă pentru telecomunicații
- Optimizarea rutării și a calității serviciilor prin analiza în timp real a traficului de rețea
- Prezicerea defecțiunilor rețelei și a dispozitivelor, întreruperilor, creșterilor de cerere etc.
- Analiza apelurilor în timp real pentru a identifica comportamente frauduloase
- Analiza comportamentului clienților pentru a identifica cererea pentru produse și servicii noi
- Prelucrarea unor volume mari de mesaje SMS pentru a obține informații
- Recunoașterea vorbirii pentru apelurile de asistență
- Configurarea SDN-urilor și a rețelelor virtualizate în timp real
Înțelegerea beneficiilor învățării profunde pentru telecomunicații
Explorarea diferitelor biblioteci de învățare profundă pentru Python
- TensorFlow
- Keras
Configurarea Python cu TensorFlow pentru învățarea profundă
- Instalarea API-ului Python TensorFlow
- Testarea instalării TensorFlow
- Configurarea TensorFlow pentru dezvoltare
- Antrenarea primului model de rețea neuronală TensorFlow
Configurarea Python cu Keras pentru învățarea profundă
Construirea de modele simple de învățare profundă cu Keras
- Crearea unui model Keras
- Înțelegerea datelor tale
- Specificarea modelului tău de învățare profundă
- Compilarea modelului tău
- Ajustarea modelului tău
- Lucrul cu datele de clasificare
- Lucrul cu modele de clasificare
- Utilizarea modelelor tale
Lucrul cu TensorFlow pentru învățarea profundă în telecomunicații
- Pregătirea datelor
- Descărcarea datelor
- Pregătirea datelor de antrenament
- Pregătirea datelor de testare
- Scalarea intrărilor
- Utilizarea placeholderelor și a variabilelor
- Specificarea arhitecturii rețelei
- Utilizarea funcției de cost
- Utilizarea optimizatorului
- Utilizarea inițializatorilor
- Ajustarea rețelei neuronale
- Construirea graficului
- Inferență
- Pierdere
- Antrenament
- Antrenarea modelului
- Graficul
- Sesiunea
- Bucla de antrenament
- Evaluarea modelului
- Construirea graficului de evaluare
- Evaluarea cu ieșirea de evaluare
- Antrenarea modelelor la scară
- Vizualizarea și evaluarea modelelor cu TensorBoard
Exercițiu practic: Construirea unui model de predicție a pierderii clienților folosind Python
Extinderea capacităților companiei tale
- Dezvoltarea modelelor în cloud
- Utilizarea GPU-urilor pentru accelerarea învățării profunde
- Aplicarea rețelelor neuronale de învățare profundă pentru vizualizarea computerelor, recunoașterea vocii și analiza textului
Rezumat și concluzii
Cerințe
- Experiență în programarea cu Python
- Cunoștințe generale despre concepte de telecomunicații
- Cunoștințe de bază despre statistică și concepte matematice
Publicul țintă
- Dezvoltatori
- Oameni de știință de date
Mărturii (5)
exemplu bazat pe datele noastre
Witold - P4 Sp. z o.o.
Curs - Deep Learning for Telecom (with Python)
Tradus de catre o masina
exemplificări cod:-)
Marcin - P4 Sp. z o.o.
Curs - Deep Learning for Telecom (with Python)
Tradus de catre o masina
M-am bucurat că instrucționarul avea multe scripturi pre-scripționate pentru a demonstra diverse aspecte ale ML și AI. Mi-a plăcut foarte mult să pot vedea demo live ale multor moduri în care ML și AI sunt utilizate. Multe dintre lucrurile pe care le-am acoperit erau tehnologii la frontieră, încă în etapele lor initials de dezvoltare.
Matthew Pepper - Motorola Solutions
Curs - Deep Learning for Telecom (with Python)
Tradus de catre o masina
Caietele de colab pe care le putem menține
Palmer Greer - Motorola Solutions
Curs - Deep Learning for Telecom (with Python)
Tradus de catre o masina
Claretatea cu care a fost prezentat
John McLemore - Motorola Solutions
Curs - Deep Learning for Telecom (with Python)
Tradus de catre o masina
