Plan du cours
Introduction
Fondamentaux de l'intelligence artificielle et Machine Learning
Comprendre Deep Learning
- Présentation des concepts de base du Deep Learning Différenciation entre Machine Learning et le Deep Learning Présentation des applications du Deep Learning
Aperçu de Neural Networks
- Que sont Neural Networks Neural Networks par rapport aux modèles de régression Comprendre les fondements mathématiques et les mécanismes d'apprentissage Construire un réseau neuronal artificiel Comprendre les nœuds neuronaux et les connexions Travailler avec les neurones, les couches et les données d'entrée et de sortie Comprendre les perceptrons monocouches Différences entre l'apprentissage supervisé et non supervisé Apprentissage Feedforward et commentaires Neural Networks Comprendre la propagation vers l'avant et la propagation arrière Comprendre la mémoire à long terme et à court terme (LSTM) Explorer la récurrence Neural Networks en pratique Explorer la convolution Neural Networks en pratique Améliorer la manière Neural Networks Apprendre
Aperçu des techniques d'apprentissage en profondeur utilisées dans Telecom
- Réseaux de neurones Traitement du langage naturel Reconnaissance d'images Speech Recognition Analyse des sentiments
Explorer les études de cas sur l'apprentissage profond pour Telecom
- Optimiser le routage et la qualité de service grâce à l'analyse du trafic réseau en temps réel Prédire les pannes de réseau et d'appareils, les pannes, les augmentations de demande, etc. Analyser les appels en temps réel pour identifier les comportements frauduleux Analyser le comportement des clients pour identifier la demande de nouveaux produits et services Traiter de grands volumes de SMS Messages pour obtenir des informations Speech Recognition pour les appels d'assistance Configuration des SDN et des réseaux virtualisés en temps réel
Comprendre les avantages du Deep Learning pour Telecom
Explorer les différentes bibliothèques de Deep Learning pour Python
- TensorFlow Difficile
Configuration de Python avec le TensorFlow pour le Deep Learning
- Installation de l'API Python TensorFlow Test de l'installation TensorFlow Configuration de TensorFlow pour le développement Formation de votre premier modèle de réseau neuronal TensorFlow
Configuration Python avec Keras pour le Deep Learning
Créer des modèles simples d'apprentissage en profondeur avec Keras
- Créer un modèle Keras Comprendre vos données Spécifier votre modèle d'apprentissage profond Compiler votre modèle Ajuster votre modèle Travailler avec vos données de classification Travailler avec des modèles de classification Utiliser vos modèles
Travailler avec TensorFlow pour le Deep Learning pour les télécommunications
- Préparation des données Téléchargement des données Préparation des données de formation Préparation des données de test Mise à l'échelle des entrées à l'aide d'espaces réservés et de variables
Pré requis
- Expérience de la programmation Python .
- Familiarité générale avec les concepts des télécommunications
- Familiarité de base avec les statistiques et les concepts mathématiques
Audience
- Développeurs
- Data scientists
Nos Clients témoignent (5)
examples based on our data
Witold - P4 Sp. z o.o.
Formation - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Formation - 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
Formation - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Formation - Deep Learning for Telecom (with Python)
The clarity with which it was presented