Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés
A mesterséges intelligencia alapjai és Machine Learning
Megértés Deep Learning
- Az Deep Learning alapfogalmainak áttekintése
- Különbség a Machine Learning és Deep Learning között
- A pályázatok áttekintése a következőhöz: Deep Learning
A Neural Networks áttekintése
- Mik azok Neural Networks
- Neural Networks vs regressziós modellek
- Az Mathematica alapok és tanulási mechanizmusok megértése
- Mesterséges neurális hálózat felépítése
- Neurális csomópontok és kapcsolatok megértése
- Munka neuronokkal, rétegekkel, valamint bemeneti és kimeneti adatokkal
- Az egyrétegű perceptronok megértése
- A felügyelt és a nem felügyelt tanulás közötti különbségek
- Tanulási visszajelzés és visszajelzés Neural Networks
- Az előre és vissza terjedés megértése
- A hosszú távú rövid távú memória (LSTM) megértése
- A visszatérő Neural Networks feltárása a gyakorlatban
- A Convolutional Neural Networks feltárása a gyakorlatban
- Az út javítása Neural Networks Tanuljon
A Telecom-ben használt Deep Learning technikák áttekintése
- Neural Networks
- Természetes nyelvi feldolgozás
- Képfelismerés
- Speech Recognition
- Érzelemelemzés
Deep Learning Esettanulmányok felfedezése a következőhöz: Telecom
- Az útválasztás és a szolgáltatás minőségének optimalizálása valós idejű hálózati forgalom elemzéssel
- Hálózati és eszközhibák, kimaradások, túlfeszültségek, stb. előrejelzése.
- A hívások valós idejű elemzése a csaló magatartás azonosítása érdekében
- Az ügyfelek viselkedésének elemzése az új termékek és szolgáltatások iránti kereslet azonosítása érdekében
- Nagy mennyiségű SMS-üzenet feldolgozása a betekintés érdekében
- Speech Recognition támogatási hívásokhoz
- SDN-ek és virtualizált hálózatok konfigurálása valós időben
Az Deep Learning előnyeinek megértése a Telecom számára
Különböző Deep Learning könyvtárak felfedezése a Python számára
- TensorFlow
- Keras
A Python beállítása a TensorFlow gombbal Deep Learning-hez
- A TensorFlow Python API telepítése
- A TensorFlow telepítés tesztelése
- Beállítás TensorFlow a fejlesztéshez
- Az első TensorFlow neurális hálózati modell betanítása
A Python beállítása a Keras-mal Deep Learning-hez
Egyszerű Deep Learning modellek készítése Keras segítségével
- Keras Modell készítése
- Az Ön adatainak megértése
- Az Deep Learning modell megadása
- A modell összeállítása
- Modelljének illesztése
- Munka az osztályozási adatokkal
- Munka osztályozási modellekkel
- A modellek használata
Munka a következővel: TensorFlow, Deep Learning – Telecom
- Az adatok előkészítése
- Az adatok letöltése
- Képzési adatok előkészítése
- Tesztadatok előkészítése
- Bemenetek méretezése
- Helyőrzők és változók használata
- A hálózati architektúra megadása
- A Költségfüggvény használata
- Az optimalizáló használata
- Inicializátorok használata
- A neurális hálózat illesztése
- Grafikon építése
- Következtetés
- Veszteség
- Kiképzés
- A modell képzése
- A Grafikon
- Az ülésszak
- Vonathurok
- A modell értékelése
- Az Eval Graph felépítése
- Értékelés az Eval Output segítségével
- Képzési modellek méretben
- Modellek megjelenítése és értékelése TensorBoard segítségével
Gyakorlati gyakorlat: Deep Learning Vevői lemorzsolódás előrejelző modell felépítése Python segítségével
Vállalata képességeinek bővítése
- Modellek fejlesztése a felhőben
- GPUs gyorsítás Deep Learning
- Deep Learning Neural Networks alkalmazása Computer Vision, Hangfelismerés és Szövegelemzés esetén
Összefoglalás, és következtetés
Követelmények
- Python programozási tapasztalat
- A távközlési fogalmak általános ismerete
- Statisztikai és matematikai fogalmak alapvető ismerete
Közönség
- Fejlesztők
- Adattudósok
28 Órák
Vélemények (5)
examples based on our data
Witold - P4 Sp. z o.o.
Kurzus - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Kurzus - 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
Kurzus - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Kurzus - Deep Learning for Telecom (with Python)
The clarity with which it was presented
