Struttura del corso
Introduzione
Fondamenti di Intelligenza Artificiale e Machine Learning
Comprensione Deep Learning
-
Panoramica dei concetti di base del deep learning
Differenziazione tra Machine Learning e deep learning
Panoramica delle applicazioni per il deep learning
Panoramica di Neural Networks
-
Cosa sono Neural Networks
Neural Networks Confronto con i modelli di regressione
Comprendere i fondamenti matematici e i 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
Comprendere i percettroni a strato singolo
Differenze tra apprendimento supervisionato e non supervisionato
Feedforward e feedback sull'apprendimento Neural Networks
Informazioni sulla propagazione in avanti e sulla propagazione all'indietro
Comprendere la memoria a breve termine lunga (LSTM)
Esplorare Recurrent Neural Networks in pratica
Esplorare Convolutional Neural Networks in pratica
Migliorare il modo Neural Networks di imparare
Panoramica delle tecniche di deep learning utilizzate in Telecom
-
Reti neurali
Elaborazione del linguaggio naturale
Riconoscimento delle immagini
Speech Recognition
Analisi del sentiment
Esplorare i casi di studio di deep learning 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.
Analizzare le chiamate in tempo reale per identificare comportamenti fraudolenti
Analizzare il 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 del deep learning per Telecom
Esplorare le diverse librerie di deep learning per Python
-
TensorFlow
Duro
Configurazione di Python con TensorFlow per il deep learning
-
Installazione dell'API Python TensorFlow
Verifica dell'installazione TensorFlow
Impostazione TensorFlow per lo sviluppo
Addestramento del primo TensorFlow modello di rete neurale
Configurazione Python con Keras per il deep learning
Creazione di semplici modelli di deep learning con Keras
-
Creazione di un modello Keras
Comprensione dei dati
Specifica del modello di 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 il Deep Learning per le telecomunicazioni
-
Preparazione dei dati
Scaricare i dati
Preparazione dei dati di training
Preparazione dei dati di test
Ridimensionamento degli input
Utilizzo di segnaposto e variabili
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
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