Course Outline
소개
인공지능의 기초와 Machine Learning
이해 Deep Learning
- Deep Learning의 기본 개념 개요
- Machine Learning와 Deep Learning의 구별
- Deep Learning 애플리케이션 개요
Neural Networks 개요
- Neural Networks이란 무엇입니까?
- Neural Networks 회귀 모델 비교
- Mathematical 기초 및 학습 메커니즘 이해
- 인공 신경망 구축
- 신경 노드 및 연결 이해
- 뉴런, 레이어, 입력 및 출력 데이터 작업
- 단일 레이어 퍼셉트론 이해
- 지도 학습과 비지도 학습의 차이점
- 학습피드포워드와 피드백 Neural Networks
- 순방향 전파 및 역전파 이해
- 장단기 기억(LSTM) 이해
- 실제로 반복 Neural Networks 탐색
- 실제로 Convolutional Neural Networks 탐색
- 방법 개선 Neural Networks 배우기
Telecom에 사용된 Deep Learning 기술 개요
- Neural Networks
- 자연어 처리
- 이미지 인식
- Speech Recognition
- 감성 분석
Telecom에 대한 Deep Learning 사례 연구 탐색
- 실시간 네트워크 트래픽 분석을 통한 라우팅 및 서비스 품질 최적화
- 네트워크 및 장치 장애, 정전, 수요 급증 등을 예측합니다.
- 사기 행위 식별을 위한 실시간 통화 분석
- 새로운 제품과 서비스에 대한 수요를 파악하기 위한 고객 행동 분석
- 통찰력을 얻기 위해 대량의 SMS 메시지 처리
- Speech Recognition 지원 통화용
- 실시간으로 SDN 및 가상화된 네트워크 구성
Telecom에 대한 Deep Learning의 이점 이해
Python을 위한 다양한 Deep Learning 라이브러리 탐색
- TensorFlow
- [삼]
Deep Learning에 대해 TensorFlow을 사용하여 Python 설정
- TensorFlow Python API 설치
- TensorFlow 설치 테스트
- 개발을 위한 TensorFlow 설정
- 첫 번째 TensorFlow 신경망 모델 훈련
Deep Learning에 대해 Python을 Keras으로 설정
Keras을(를) 사용하여 간단한 Deep Learning 모델 구축
- Keras 모델 생성
- 데이터 이해
- Deep Learning 모델 지정
- 모델 컴파일
- 모델 피팅
- 분류 데이터 작업
- 분류 모델 작업
- 모델 사용
Telecom를 위해 Deep Learning을 위해 TensorFlow으로 작업하기
- 데이터 준비
- 데이터 다운로드
- 훈련 데이터 준비
- 테스트 데이터 준비
- 스케일링 입력
- 자리 표시자 및 변수 사용
- 네트워크 아키텍처 지정
- 비용 함수 사용
- 최적화 도구 사용
- 초기화 프로그램 사용
- 신경망 피팅
- 그래프 작성
- 추론
- 손실
- 훈련
- 모델 훈련
- 그래프
- 세션
- 기차 루프
- 모델 평가
- 평가 그래프 작성
- 평가 출력으로 평가
- 대규모 모델 학습
- TensorBoard를 사용하여 모델 시각화 및 평가
실습: Python을 사용하여 Deep Learning 고객 이탈 예측 모델 구축
회사의 역량 확장
- 클라우드에서 모델 개발
- GPU를 사용하여 가속 Deep Learning
- Computer Vision에 Deep Learning Neural Networks 적용, 음성인식, 문자분석
요약 및 결론
Requirements
- Python 프로그래밍 경험
- 통신 개념에 대한 일반적인 지식
- 통계 및 수학적 개념에 대한 기본 지식
청중
- 개발자
- 데이터 과학자
회원 평가 (5)
examples based on our data
Witold - P4 Sp. z o.o.
Course - Deep Learning for Telecom (with Python)
code examples:-)
Marcin - P4 Sp. z o.o.
Course - 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
Course - Deep Learning for Telecom (with Python)
The colab notebooks we get to keep
Palmer Greer - Motorola Solutions
Course - Deep Learning for Telecom (with Python)
The clarity with which it was presented