Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere
Fundamentele Inteligenței Artificiale și Învățării Automate
Înțelegerea Învățării Profunde
- Prezentare generală a conceptelor de bază ale învățării profunde
- Diferențierea între Învățarea Automată și Învățarea Profundă
- Prezentare generală a aplicațiilor pentru învățarea profundă
Prezentare generală a Rețelelor Neuronale
- Ce sunt Rețelele Neuronale
- Rețele Neuronale vs. Modele de Regresie
- Înțelegerea Fundațiilor 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 între Învățarea Supravegheată și Nesupravegheată
- Învățarea Rețelelor Neuronale Feedforward și Feedback
- Înțelegerea Propagării Înainte și Înapoi
- Înțelegerea Memoriei pe Termen Lung și Scurt (LSTM)
- Explorarea Rețelelor Neuronale Recurente în Practică
- Explorarea Rețelelor Neuronale Convoluționale în Practică
- Îmbunătățirea Modului în Care Învăță Rețelele Neuronale
Prezentare generală a Tehnicilor de Învățare Profundă Folosite în Telecomunicații
- Rețele Neuronale
- Procesarea Limbajului Natural
- Recunoașterea Imaginilor
- Recunoașterea Vorbirii
- Analiza Sentimentelor
Explorarea Studiilor de Caz de Învățare Profundă pentru Telecomunicații
- Optimizarea Rutelor și a Calității Serviciilor Prin Analiza în Timp Real a Traficului de Rețea
- Predictia Defectelor de Rețea și Dispozitive, Pene, Creșteri de Cerere, etc.
- Analizarea Apelurilor în Timp Real pentru a Identifica Comportamente Frauduloase
- Analizarea Comportamentului Clienților pentru a Identifica Cererea pentru Noi Produse și Servicii
- Procesarea unor Volume Mari de Mesaje SMS pentru a Obține Informații
- Recunoașterea Vorbirii pentru Apeluri de Suport
- Configurarea SDN-urilor și a Rețelelor Virtualizate în Timp Real
Înțelegerea Beneficiilor Învățării Profunde pentru Telecomunicații
Explorarea Diverselor 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 Tău Model de Rețea Neurală 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 Tale de Clasificare
- Lucrul cu Modele de Clasificare
- Folosirea Modelelor Tale
Lucrul cu TensorFlow pentru Învățarea Profundă în Telecomunicații
- Pregătirea Datelor
- Descărcarea Datelor
- Pregătirea Datelor de Antrenament
- Pregătirea Datelor de Test
- Scalarea Intrărilor
- Folosirea Locuritorilor și Variabilelor
- Specificarea Arhitecturii Rețelei
- Folosirea Funcției de Cost
- Folosirea Optimizatorului
- Folosirea Inițializatorilor
- Ajustarea Rețelei Neuronale
- Construirea Grafului
- Inferență
- Pierdere
- Antrenare
- Antrenarea Modelului
- Graful
- Sesiunea
- Bucla de Antrenare
- Evaluarea Modelului
- Construirea Grafului de Evaluare
- Evaluarea cu Rezultatul de Evaluare
- Antrenarea Modelelor la Scară Mare
- Vizualizarea și Evaluarea Modelelor cu TensorBoard
Exercițiu Practic: Construirea unui Model de Predicție a Abandonului Clienților Folosind Python
Extinderea Capabilităților Companiei Tale
- Dezvoltarea Modelelor în Cloud
- Folosirea GPU-urilor pentru a Accelera Învățarea Profundă
- Aplicarea Rețelelor Neuronale de Învățare Profundă pentru Vizionarea Calculatoarelor, Recunoașterea Vocii și Analiza Textului
Rezumat și Concluzii
Cerințe
- Experiență în programarea cu Python
- Familiaritate generală cu conceptele de telecomunicații
- Familiaritate de bază cu conceptele de statistică și matematică
Publicul țintă
- Dezvoltatori
- Oameni de știință de date
28 Ore
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
