コース概要
導入
人工知能の基礎と Machine Learning
理解Deep Learning
- ディープラーニングの基本概念の概要 Machine Learning とディープラーニングの区別 ディープラーニングのアプリケーションの概要
Neural Networksの概要
- Neural Networks Neural Networks vs 回帰モデルとは 数学的基礎と学習メカニズムを理解する 人工ニューラル ネットワークを構築する ニューラル ノードと接続を理解する ニューロン、層、入出力データを操作する 単層パーセプトロンを理解する 教師あり学習と教師なし学習の違い 学習フィードフォワードとフィードバック Neural Networks 順伝播と逆伝播について理解する 長短期記憶 (LSTM) を理解する リカレント Neural Networks を実際に調べる 畳み込み Neural Networks を実際に調べる 方法を改善する Neural Networks 学習する
Telecom で使用される深層学習技術の概要
- ニューラルネットワーク 自然言語処理 画像認識 Speech Recognition 感情分析
Telecom のディープラーニングのケーススタディを探る
- リアルタイムのネットワーク トラフィック分析によるルーティングとサービス品質の最適化 ネットワークやデバイスの障害、停止、需要の急増などを予測 通話をリアルタイムで分析して不正行為を特定 顧客の行動を分析して新製品やサービスの需要を特定 大量の SMS を処理SDN と仮想化ネットワークをリアルタイムで構成するサポート コールに関する洞察を得るメッセージ Speech Recognition
Telecom におけるディープラーニングの利点を理解する
Python のさまざまな深層学習ライブラリを探索する
- TensorFlowハード
深層学習用に TensorFlow を使用して Python をセットアップする
- TensorFlow Python API のインストール TensorFlow インストールのテスト 開発用 TensorFlow のセットアップ 最初の TensorFlow ニューラル ネット モデルのトレーニング
深層学習用に Keras を使用して Python をセットアップする
Keras を使用したシンプルな深層学習モデルの構築
- Keras モデルの作成 データの理解 深層学習モデルの指定 モデルのコンパイル モデルの適合 分類データの操作 分類モデルの操作 モデルの使用
電気通信向けディープラーニングのための TensorFlow との連携
- データの準備 データのダウンロード トレーニング データの準備 テスト データの準備 プレースホルダーと変数を使用した入力のスケーリング
要求
- Pythonプログラミングの経験
- 電気通信の概念に精通していること 。
- 統計および数学的概念に関する基本的な知識
- 開発者 データサイエンティスト
観客
お客様の声 (5)
examples based on our data
Witold - P4 Sp. z o.o.
コース - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
コース - 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
コース - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
コース - Deep Learning for Telecom (with Python)
The clarity with which it was presented