Course Outline

Εισαγωγή

Βασικές αρχές της τεχνητής νοημοσύνης και Machine Learning

Κατανόηση Deep Learning

    Επισκόπηση των βασικών εννοιών της βαθιάς μάθησης που διαφοροποιείται μεταξύ Machine Learning και βαθιάς μάθησης Επισκόπηση των εφαρμογών για τη βαθιά μάθηση

Επισκόπηση του Neural Networks

    Τι είναι Neural Networks Neural Networks έναντι μοντέλων παλινδρόμησης Κατανόηση μαθηματικών θεμελίων και μηχανισμών μάθησης Κατασκευή τεχνητού νευρωνικού δικτύου Κατανόηση νευρωνικών κόμβων και συνδέσεων που εργάζονται με νευρώνες, στρώματα και δεδομένα εισόδου και εξόδου Κατανόηση Perceptrons ενός επιπέδου Διαφορές μεταξύ εποπτευόμενου και μη εποπτευόμενου εκμάθησης και ανατροφοδότηση Neural Networks Κατανόηση της διάδοσης προς τα εμπρός και της πίσω διάδοσης Κατανόηση της μακροπρόθεσμης μνήμης (LSTM) Εξερεύνηση του επαναλαμβανόμενου Neural Networks στην πράξη Εξερεύνηση του συνελικτικού Neural Networks στην πράξη Βελτίωση του τρόπου Neural Networks Μάθηση

Επισκόπηση των τεχνικών βαθιάς μάθησης που χρησιμοποιούνται στο Telecom

    Νευρωνικά δίκτυα Επεξεργασία φυσικής γλώσσας Αναγνώριση εικόνας Speech Recognition Ανάλυση συναισθήματος

Εξερεύνηση περιπτωσιολογικών μελετών βαθιάς μάθησης για Telecom

    Βελτιστοποίηση δρομολόγησης και ποιότητας υπηρεσίας μέσω ανάλυσης κίνησης δικτύου σε πραγματικό χρόνο Πρόβλεψη αστοχιών δικτύου και συσκευών, διακοπές λειτουργίας, αυξήσεις ζήτησης, κ.λπ. Ανάλυση κλήσεων σε πραγματικό χρόνο για εντοπισμό δόλιας συμπεριφοράς Ανάλυση συμπεριφοράς πελατών για εντοπισμό ζήτησης για νέα προϊόντα και υπηρεσίες Επεξεργασία SMS μεγάλου όγκου Μηνύματα για να αποκτήσετε πληροφορίες Speech Recognition για κλήσεις υποστήριξης Ρύθμιση παραμέτρων SDN και εικονικών δικτύων σε πραγματικό χρόνο

Κατανόηση των πλεονεκτημάτων της βαθιάς μάθησης για Telecom

Εξερευνώντας τις διαφορετικές βιβλιοθήκες Deep Learning για Python

    TensorFlow Σκληρό

Ρύθμιση της Python με το TensorFlow για Deep Learning

    Εγκατάσταση του TensorFlow Python API Δοκιμή του TensorFlow Εγκατάσταση Ρύθμιση TensorFlow για Εκπαίδευση Ανάπτυξης Το πρώτο σας TensorFlow μοντέλο νευρωνικού δικτύου

Ρύθμιση Python με το Keras for Deep Learning

Δημιουργία απλών μοντέλων βαθιάς μάθησης με Keras

    Δημιουργία μοντέλου Keras Κατανόηση των δεδομένων σας Προσδιορισμός του μοντέλου σας για τη βαθιά μάθηση Σύνταξη του μοντέλου Προσαρμογή του μοντέλου σας Εργασία με δεδομένα ταξινόμησης Εργασία με μοντέλα ταξινόμησης χρησιμοποιώντας τα μοντέλα σας

Εργασία με το TensorFlow για Deep Learning for Telecom

    Προετοιμασία των Δεδομένων Λήψη των Δεδομένων Προετοιμασία Δεδομένων Εκπαίδευσης Προετοιμασία Δεδομένων Δοκιμής Κλιμάκωση δεδομένων Εισαγωγή με χρήση θέσεων και μεταβλητών
Καθορισμός της αρχιτεκτονικής δικτύου
  • Χρήση της συνάρτησης κόστους
  • Χρήση του Optimizer
  • Χρήση Initializers
  • Προσαρμογή του νευρωνικού δικτύου
  • Κατασκευάζοντας το συμπέρασμα γραφήματος
  • Απώλεια
  • Εκπαίδευση
  • Εκπαίδευση του μοντέλου The Graph
  • Η Συνεδρία
  • Βρόχος τρένου
  • Αξιολόγηση του μοντέλου Δημιουργία του γραφήματος Eval
  • Αξιολόγηση με Eval Output
  • Εκπαιδευτικά μοντέλα σε κλίμακα
  • Οπτικοποίηση και αξιολόγηση μοντέλων με το TensorBoard
  • Πράγματι: Δημιουργία ενός μοντέλου πρόβλεψης εκτροπής πελατών βαθιάς μάθησης χρησιμοποιώντας Python
  • Επέκταση των Δυνατοτήτων της Εταιρείας σας
  • Ανάπτυξη μοντέλων στο Cloud με χρήση GPU για την επιτάχυνση της βαθιάς μάθησης Εφαρμογή της βαθιάς μάθησης Neural Networks για την όραση υπολογιστή, την αναγνώριση φωνής και την ανάλυση κειμένου
  • Περίληψη και Συμπέρασμα
  • Requirements

    • Εμπειρία στον προγραμματισμό Python
    • Γενική εξοικείωση με τις έννοιες των τηλεπικοινωνιών
    • Βασική εξοικείωση με στατιστικές και μαθηματικές έννοιες

    Ακροατήριο

    • προγραμματιστές
    • Επιστήμονες δεδομένων
      28 Hours
     

    Number of participants


    Starts

    Ends


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Testimonials (5)

    Related Courses

    Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

      21 Hours

    Related Categories