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
Spezifizieren der Netzwerkarchitektur
  • Verwendung der Kostenfunktion
  • Verwendung des Optimierers
  • Verwenden von Initialisierern
  • Anpassung des neuronalen Netzwerks
  • Erstellen der Graphinferenz
  • Verlust
  • Ausbildung
  • Trainieren des Modells Der Graph
  • Die Sitzung
  • Zugschleife
  • Bewerten des Modells Erstellen des Bewertungsdiagramms
  • Auswerten mit Evaluierungsausgabe
  • Trainingsmodelle im Maßstab
  • Visualisieren und Bewerten von Modellen mit TensorBoard
  • Praktisch: Aufbau eines Deep-Learning-Modells zur Vorhersage der Kundenabwanderung unter Verwendung von Python
  • Erweitern Sie die Fähigkeiten Ihres Unternehmens
  • Entwickeln von Modellen in der Cloud mithilfe von GPUs zur Beschleunigung von Deep Learning. Anwendung von Deep Learning Neural Networks für Computer Vision, Spracherkennung und Textanalyse
  • Zusammenfassung und Schlussfolgerung
  • Voraussetzungen

    • Erfahrungen mit der Python-Programmierung
    • Grundlegende Vertrautheit mit Telekommunikationskonzepten
    • Grundlegende Vertrautheit mit Statistik und mathematischen Konzepten

    Publikum

    • Entwickler
    • Datenwissenschaftler
      28 Stunden
     

    Teilnehmerzahl


    Beginnt

    Endet


    Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
    Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

    Erfahrungsberichte (5)

    Kombinierte Kurse

    Verwandte Kategorien