Course Outline
Invoering
Grondbeginselen van kunstmatige intelligentie en Machine Learning
Begrijpen Deep Learning
- Overzicht van de basisconcepten van deep learning, waarbij onderscheid wordt gemaakt tussen Machine Learning en deep learning. Overzicht van toepassingen voor deep learning
Overzicht van Neural Networks
- Wat zijn Neural Networks Neural Networks versus regressiemodellen Wiskundige grondslagen en leermechanismen begrijpen Een kunstmatig neuraal netwerk construeren Neurale knooppunten en verbindingen begrijpen Werken met neuronen, lagen en invoer- en uitvoergegevens Enkellaags-perceptronen begrijpen Verschillen tussen begeleid en onbewaakt leren Leren Feedforward en feedback Neural Networks Voorwaartse voortplanting en achterwaartse voortplanting begrijpen Het lange-kortetermijngeheugen (LSTM) begrijpen Herhalend onderzoek Neural Networks in de praktijk Onderzoeken van convolutioneel Neural Networks in de praktijk De weg verbeteren Neural Networks Leren
Overzicht van deep learning-technieken gebruikt in Telecom
- Neurale netwerken Natuurlijke taalverwerking Beeldherkenning Speech Recognition Sentimentanalyse
Casestudy's voor diepgaand leren verkennen voor Telecom
- Het optimaliseren van de routering en de kwaliteit van de dienstverlening door middel van real-time analyse van het netwerkverkeer. Het voorspellen van netwerk- en apparaatstoringen, uitval, pieken in de vraag, etc. Het in realtime analyseren van oproepen om frauduleus gedrag te identificeren. Het analyseren van klantgedrag om de vraag naar nieuwe producten en diensten te identificeren. Grote hoeveelheden sms-berichten verwerken. Berichten om inzicht te krijgen Speech Recognition voor ondersteuningsgesprekken SDN's en gevirtualiseerde netwerken in realtime configureren
De voordelen van deep learning begrijpen voor Telecom
Het verkennen van de verschillende Deep Learning-bibliotheken voor Python
- TensorFlow Moeilijk
Python instellen met de TensorFlow voor Deep Learning
- De TensorFlow Python API installeren De TensorFlow installatie testen TensorFlow instellen voor ontwikkeling Trainen van uw eerste TensorFlow Neural Net-model
Opzetten Python met Keras voor Deep Learning
Eenvoudige deep learning-modellen bouwen met Keras
- Een Keras-model maken Uw gegevens begrijpen Uw Deep Learning-model specificeren Uw model samenstellen dat bij uw model past Werken met uw classificatiegegevens Werken met classificatiemodellen Uw modellen gebruiken
Werken met TensorFlow voor Deep Learning voor Telecom
- De gegevens voorbereiden De gegevens downloaden Trainingsgegevens voorbereiden Testgegevens voorbereiden Invoer schalen met tijdelijke aanduidingen en variabelen
Requirements
- Ervaring met Python programmeren
- Algemene bekendheid met telecomconcepten
- Basiskennis van statistiek en wiskundige concepten
Publiek
- Ontwikkelaars
- Datawetenschappers
Getuigenissen (5)
examples based on our data
Witold - P4 Sp. z o.o.
Cursus - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Cursus - 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
Cursus - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Cursus - Deep Learning for Telecom (with Python)
The clarity with which it was presented