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.
Struttura del corso
Introduzione
Fondamenti di Intelligenza Artificiale e Machine Learning
Comprensione Deep Learning
- Panoramica dei concetti di base di Deep Learning
- Distinzione tra Machine Learning e Deep Learning
- Panoramica delle applicazioni per Deep Learning
Panoramica di Neural Networks
- Cosa sono Neural Networks
- Neural Networks Vs Modelli di regressione
- Comprendere Mathematical Fondamenti e meccanismi di apprendimento
- Costruire una rete neurale artificiale
- Comprendere i nodi neurali e le connessioni
- Utilizzo di neuroni, livelli e dati di input e output
- Comprensione dei percettroni a strato singolo
- Differenze tra apprendimento supervisionato e non supervisionato
- Apprendimento Feedforward e Feedback Neural Networks
- Informazioni sulla propagazione diretta e sulla propagazione inversa
- Comprendere la memoria a breve termine (LSTM)
- Esplorare il ricorrente Neural Networks nella pratica
- Esplorare la convoluzione Neural Networks in pratica
- Migliorare il modo Neural Networks Imparare
Panoramica delle tecniche Deep Learning utilizzate in Telecom
- Neural Networks
- Elaborazione del linguaggio naturale
- Riconoscimento delle immagini
- Speech Recognition
- Analisi del sentiment
Esplorando Deep Learning Casi di studio per Telecom
- Ottimizzazione del routing e della qualità del servizio attraverso l'analisi del traffico di rete in tempo reale
- Previsione di guasti di rete e dispositivi, interruzioni, picchi di domanda, ecc.
- Analisi delle chiamate in tempo reale per identificare comportamenti fraudolenti
- Analisi del comportamento dei clienti per identificare la domanda di nuovi prodotti e servizi
- Elaborazione di grandi volumi di messaggi SMS per ottenere informazioni dettagliate
- Speech Recognition Per le chiamate di supporto
- Configurazione di SDN e reti virtualizzate in tempo reale
Comprendere i vantaggi di Deep Learning per Telecom
Esplorare le diverse librerie Deep Learning per Python
- TensorFlow
- Keras
Impostazione di Python con TensorFlow per Deep Learning
- Installazione dell'API TensorFlow Python
- Test dell'installazione TensorFlow
- Impostazione di TensorFlow per lo sviluppo
- Addestramento del primo TensorFlow modello di rete neurale
Impostazione di Python con Keras per Deep Learning
Costruzione di modelli semplici Deep Learning con Keras
- Creazione di un modello Keras
- Comprendere i dati
- Specifica del modello Deep Learning
- Compilazione del modello
- Adattamento del modello
- Utilizzo dei dati di classificazione
- Utilizzo dei modelli di classificazione
- Utilizzo dei modelli
Lavorare con TensorFlow per Deep Learning per Telecom
- Preparazione dei dati
- Download dei dati
- Preparazione dei dati di training
- Preparazione dei dati di test
- Ridimensionamento degli input
- Utilizzo di segnaposto e variabili
- Specifica dell'architettura di rete
- Utilizzo della funzione di costo
- Utilizzo dell'ottimizzatore
- Utilizzo degli inizializzatori
- Adattamento della rete neurale
- Costruire il grafico
- Inferenza
- Perdita
- Formazione
- Addestramento del modello
- Il grafico
- La sessione
- Anello del treno
- Valutazione del modello
- Costruire il grafo di valutazione
- Valutazione con l'output di valutazione
- Addestramento di modelli su larga scala
- Visualizzazione e valutazione di modelli con TensorBoard
Hands-on: Creazione di un modello di previsione dell'abbandono dei clienti Deep Learning utilizzando Python
Estendere le capacità della tua azienda
- Sviluppo di modelli nel cloud
- Utilizzo di GPU per accelerare Deep Learning
- Applicazione di Deep Learning Neural Networks per Computer Vision, riconoscimento vocale e analisi del testo
Riassunto e conclusione
Requisiti
- Esperienza con la programmazione Python
- Familiarità generale con i concetti di telecomunicazione
- Familiarità di base con la statistica e i concetti matematici
Pubblico
- Gli sviluppatori
- Scienziati dei dati
28 ore
Recensioni (5)
examples based on our data
Witold - P4 Sp. z o.o.
Corso - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Corso - 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
Corso - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Corso - Deep Learning for Telecom (with Python)
The clarity with which it was presented
