Schulungsübersicht
Einführung
Grundlagen der Künstlichen Intelligenz und Machine Learning
Verstehen Deep Learning
- Überblick über die Grundkonzepte von Deep Learning mit Unterscheidung zwischen Machine Learning und Deep Learning. Überblick über Anwendungen für Deep Learning
Übersicht über Neural Networks
- Was sind Neural Networks Neural Networks vs. Regressionsmodelle? Mathematische Grundlagen und Lernmechanismen verstehen. Aufbau eines künstlichen neuronalen Netzwerks. Neuronale Knoten und Verbindungen verstehen. Mit Neuronen, Schichten sowie Eingabe- und Ausgabedaten arbeiten. Einschichtige Perzeptrone verstehen. Unterschiede zwischen überwachtem und unüberwachtem Lernen. Learning Feedforward und Feedback Neural Networks Vorwärtsausbreitung und Rückausbreitung verstehen Langes Kurzzeitgedächtnis (LSTM) verstehen Rekurrierendes Gedächtnis erforschen Neural Networks in der Praxis Faltung erforschen Neural Networks in der Praxis verbessern Die Art und Weise verbessern Neural Networks Lernen
Überblick über Deep-Learning-Techniken, die in Telecom verwendet werden
- Neuronale Netze, Verarbeitung natürlicher Sprache, Bilderkennung Speech Recognition Stimmungsanalyse
Erkundung von Deep-Learning-Fallstudien für Telecom
- Optimierung von Routing und Servicequalität durch Analyse des Netzwerkverkehrs in Echtzeit. Vorhersage von Netzwerk- und Geräteausfällen, Ausfällen, Nachfragespitzen usw.. Analysieren von Anrufen in Echtzeit, um betrügerisches Verhalten zu erkennen. Analysieren des Kundenverhaltens, um die Nachfrage nach neuen Produkten und Diensten zu identifizieren. Verarbeitung großer SMS-Volumen Nachrichten zur Gewinnung von Erkenntnissen Speech Recognition für Supportanrufe zur Konfiguration von SDNs und virtualisierten Netzwerken in Echtzeit
Die Vorteile von Deep Learning verstehen für Telecom
Erkundung der verschiedenen Deep-Learning-Bibliotheken für Python
- TensorFlow Schwer
Einrichten von Python mit TensorFlow für Deep Learning
- Installieren der TensorFlow Python-API, Testen der TensorFlow-Installation, Einrichten von TensorFlow für die Entwicklung, Trainieren Ihres ersten TensorFlow neuronalen Netzmodells
Einrichten Python mit Keras für Deep Learning
Erstellen einfacher Deep-Learning-Modelle mit Keras
- Erstellen eines Keras-Modells. Verstehen Ihrer Daten. Spezifizieren Ihres Deep-Learning-Modells. Kompilieren Ihres Modells. Anpassen Ihres Modells. Arbeiten mit Ihren Klassifizierungsdaten. Arbeiten mit Klassifizierungsmodellen. Verwenden Ihrer Modelle
Zusammenarbeit mit TensorFlow für Deep Learning für die Telekommunikation
- Vorbereiten der Daten, Herunterladen der Daten, Vorbereiten von Trainingsdaten, Vorbereiten von Testdaten, Skalieren von Eingaben mithilfe von Platzhaltern und Variablen
Voraussetzungen
- Erfahrungen mit der Python-Programmierung
- Grundlegende Vertrautheit mit Telekommunikationskonzepten
- Grundlegende Vertrautheit mit Statistik und mathematischen Konzepten
Publikum
- Entwickler
- Datenwissenschaftler
Erfahrungsberichte (5)
examples based on our data
Witold - P4 Sp. z o.o.
Kurs - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Kurs - 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
Kurs - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Kurs - Deep Learning for Telecom (with Python)
The clarity with which it was presented