Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή
Βασικές αρχές της τεχνητής νοημοσύνης και Machine Learning
Κατανόηση Deep Learning
- Επισκόπηση των Βασικών Εννοιών του Deep Learning
- Διαφοροποίηση μεταξύ Machine Learning και Deep Learning
- Επισκόπηση των αιτήσεων για Deep Learning
Επισκόπηση του Neural Networks
- Τι είναι Neural Networks
- Neural Networks έναντι μοντέλων παλινδρόμησης
- Κατανόηση Mathematica l Θεμέλια και Μηχανισμοί Μάθησης
- Κατασκευή Τεχνητού Νευρωνικού Δικτύου
- Κατανόηση νευρωνικών κόμβων και συνδέσεων
- Εργασία με νευρώνες, στρώματα και δεδομένα εισόδου και εξόδου
- Κατανόηση των Perceptrons ενός στρώματος
- Διαφορές μεταξύ εποπτευόμενης και μη εποπτευόμενης μάθησης
- Ανατροφοδότηση μάθησης και ανατροφοδότηση Neural Networks
- Κατανόηση της διάδοσης προς τα εμπρός και της αντίστροφης διάδοσης
- Κατανόηση της Μακροπρόθεσμης Μνήμης (LSTM)
- Εξερεύνηση του Recurrent Neural Networks στην πράξη
- Εξερευνώντας το Convolutional Neural Networks στην πράξη
- Βελτίωση του τρόπου Neural Networks Μάθηση
Επισκόπηση των Deep Learning Τεχνικών που χρησιμοποιούνται στο Telecom
- Neural Networks
- Επεξεργασία Φυσικής Γλώσσας
- Αναγνώριση εικόνας
- Speech Recognition
- Ανάλυση Συναισθήματος
Διερεύνηση Deep Learning Μελέτες περίπτωσης για Telecom
- Βελτιστοποίηση δρομολόγησης και ποιότητας υπηρεσιών μέσω ανάλυσης κίνησης δικτύου σε πραγματικό χρόνο
- Πρόβλεψη αστοχιών δικτύου και συσκευών, διακοπές λειτουργίας, αυξήσεις ζήτησης κ.λπ.
- Ανάλυση κλήσεων σε πραγματικό χρόνο για τον εντοπισμό δόλιας συμπεριφοράς
- Ανάλυση της συμπεριφοράς των πελατών για τον προσδιορισμό της ζήτησης για νέα προϊόντα και υπηρεσίες
- Επεξεργάζεται μεγάλους όγκους μηνυμάτων SMS για να αποκτήσετε πληροφορίες
- Speech Recognition για κλήσεις υποστήριξης
- Διαμόρφωση SDN και εικονικών δικτύων σε πραγματικό χρόνο
Κατανόηση των πλεονεκτημάτων του Deep Learning για το Telecom
Εξερευνώντας τις διαφορετικές Deep Learning βιβλιοθήκες για Python
- TensorFlow
- Keras
Ρύθμιση του Python με το TensorFlow για το Deep Learning
- Εγκατάσταση του TensorFlow Python API
- Δοκιμή της εγκατάστασης TensorFlow
- Ρύθμιση TensorFlow για ανάπτυξη
- Εκπαιδεύοντας το πρώτο σας TensorFlow μοντέλο νευρικού δικτύου
Ρύθμιση Python με Keras για Deep Learning
Κατασκευή απλών Deep Learning μοντέλων με Keras
- Δημιουργία μοντέλου Keras
- Κατανόηση των Δεδομένων σας
- Καθορισμός του Deep Learning μοντέλου σας
- Σύνταξη του μοντέλου σας
- Τακτοποίηση του μοντέλου σας
- Εργασία με τα δεδομένα ταξινόμησης σας
- Εργασία με μοντέλα ταξινόμησης
- Χρησιμοποιώντας τα μοντέλα σας
Εργασία με TensorFlow για Deep Learning για Telecom
- Προετοιμασία των Δεδομένων
- Λήψη δεδομένων
- Προετοιμασία Δεδομένων Εκπαίδευσης
- Προετοιμασία δεδομένων δοκιμής
- Κλιμάκωση εισόδων
- Χρησιμοποιώντας Placeholders και Variables
- Καθορισμός της αρχιτεκτονικής δικτύου
- Χρήση της συνάρτησης κόστους
- Χρήση του Optimizer
- Χρήση Initializers
- Προσαρμογή του νευρωνικού δικτύου
- Κατασκευή του γραφήματος
- Συμπέρασμα
- Απώλεια
- Εκπαίδευση
- Εκπαίδευση του Μοντέλου
- Το γράφημα
- Η Συνεδρία
- Βρόχος τρένου
- Αξιολόγηση του Μοντέλου
- Κατασκευή του γραφήματος Eval
- Αξιολόγηση με Eval Output
- Εκπαιδευτικά μοντέλα σε κλίμακα
- Οπτικοποίηση και αξιολόγηση μοντέλων με το TensorBoard
Πρακτικά: Δημιουργία Deep Learning Μοντέλου Πρόβλεψης Διαταραχής Πελατών χρησιμοποιώντας Python
Επέκταση των Δυνατοτήτων της Εταιρείας σας
- Ανάπτυξη μοντέλων στο Cloud
- Χρήση GPUs για επιτάχυνση Deep Learning
- Εφαρμογή Deep Learning Neural Networks για Computer Vision, Αναγνώριση φωνής και 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
Testimonials (5)
examples based on our data
Witold - P4 Sp. z o.o.
Course - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Course - 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
Course - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Course - Deep Learning for Telecom (with Python)
The clarity with which it was presented
