Návrh Školení
Úvod
Základy umělé inteligence a Machine Learning
Pochopení Deep Learning
- Přehled základních pojmů hlubokého učení Rozlišování mezi Machine Learning a hlubokým učením Přehled aplikací pro hluboké učení
Přehled Neural Networks
- Co jsou Neural Networks Neural Networks vs regresní modely Pochopení matematických základů a výukových mechanismů Konstrukce umělé neuronové sítě Pochopení neuronových uzlů a spojení Práce s neurony, vrstvami a vstupními a výstupními daty Pochopení perceptronů na jedné vrstvě Rozdíly mezi řízeným a nekontrolovaným učením s výukou and Feedback Neural Networks Porozumění dopřednému šíření a zpětnému šíření Porozumění dlouhodobé krátkodobé paměti (LSTM) Zkoumání opakujícího se Neural Networks v praxi Zkoumání konvolučního Neural Networks v praxi Zlepšení způsobu Neural Networks Učte se
Přehled technik hlubokého učení používaných v Telecom
- Neuronové sítě Zpracování přirozeného jazyka Rozpoznávání obrazu Speech Recognition Analýza sentimentu
Zkoumání případových studií Deep Learning pro Telecom
- Optimalizace směrování a kvality služeb prostřednictvím analýzy síťového provozu v reálném čase Předpovídání selhání sítě a zařízení, výpadků, přepětí poptávky atd. Analýza hovorů v reálném čase za účelem identifikace podvodného chování Analýza chování zákazníků za účelem identifikace poptávky po nových produktech a službách Zpracování velkého objemu SMS Zprávy pro získání statistik Speech Recognition pro volání podpory Konfigurace SDN a virtualizovaných sítí v reálném čase
Pochopení výhod hlubokého učení pro Telecom
Prozkoumání různých knihoven hlubokého učení pro Python
- TensorFlow Těžko
Nastavení Pythonu pomocí TensorFlow pro hluboké učení
- Instalace TensorFlow Python API Testování instalace TensorFlow Nastavení TensorFlow pro vývojářské školení Váš první TensorFlow model neuronové sítě
Nastavení Python s Keras pro hluboké učení
Vytváření jednoduchých modelů hlubokého učení pomocí Keras
- Vytvoření modelu Keras Pochopení vašich dat Specifikace vašeho modelu hlubokého učení Kompilace vašeho modelu Přizpůsobení vašeho modelu Práce s vašimi klasifikačními daty Práce s klasifikačními modely pomocí vašich modelů
Práce s TensorFlow pro Deep Learning pro Telecom
- Příprava dat Stahování dat Příprava tréninkových dat Příprava testovacích dat Škálování vstupů pomocí zástupných symbolů a proměnných
Požadavky
- Zkušenosti s programováním Python
- Obecná znalost telekomunikačních konceptů
- Základní znalost statistiky a matematických pojmů
Publikum
- Vývojáři
- Datoví vědci
Reference (5)
examples based on our data
Witold - P4 Sp. z o.o.
Kurz - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Kurz - 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
Kurz - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Kurz - Deep Learning for Telecom (with Python)
The clarity with which it was presented