Course Outline

소개

인공지능의 기초와 Machine Learning

이해 Deep Learning

    딥러닝의 기본 개념 개요 Machine Learning와 딥러닝의 차이점 딥러닝 응용 개요

Neural Networks 개요

    Neural Networks Neural Networks 대 회귀 모델이란 무엇입니까 수학적 기초 및 학습 메커니즘 이해 인공 신경망 구축 신경 노드 및 연결 이해 뉴런, 레이어 및 입력 및 출력 데이터 작업 단일 레이어 퍼셉트론 이해 지도 학습과 비지도 학습의 차이점 학습 피드포워드 및 피드백 Neural Networks 순방향 전파 및 역전파 이해 장단기 기억(LSTM) 이해 순환 탐색 Neural Networks 실습 콘볼루션 탐색 Neural Networks 방식 개선 Neural Networks 학습

Telecom에 사용된 딥러닝 기술 개요

    신경망 자연어 처리 이미지 인식 Speech Recognition 감정 분석

Telecom에 대한 딥 러닝 사례 연구 탐색

    실시간 네트워크 트래픽 분석을 통한 라우팅 및 서비스 품질 최적화 네트워크 및 장치 장애, 중단, 수요 급증 등 예측 실시간 통화 분석을 통한 사기 행위 식별 고객 행동 분석을 통한 신제품 및 서비스 수요 파악 대량의 SMS 처리 SDN 및 가상화된 네트워크를 실시간으로 구성하는 지원 통화에 대한 통찰력을 얻기 위한 메시지 Speech Recognition

Telecom에 대한 딥 러닝의 이점 이해

Python에 대한 다양한 딥러닝 라이브러리 탐색

    TensorFlow 하드

딥 러닝을 위해 TensorFlow을 사용하여 Python 설정

    TensorFlow Python API 설치 TensorFlow 설치 테스트 개발을 위한 설정 TensorFlow 첫 번째 TensorFlow 신경망 모델 교육

딥러닝을 위해 Keras를 사용하여 Python 설정

Keras를 사용하여 간단한 딥러닝 모델 구축

    Keras 모델 생성 데이터 이해 딥 러닝 모델 지정 모델 컴파일 모델 피팅 분류 데이터 작업 분류 모델 작업 모델을 사용하여

통신을 위한 딥 러닝을 위해 TensorFlow과 협력

    데이터 준비 데이터 다운로드 교육 데이터 준비 테스트 데이터 준비 자리 표시자 및 변수를 사용하여 입력 크기 조정
네트워크 아키텍처 지정
  • 비용 함수 사용
  • 최적화 도구 사용
  • 초기화 프로그램 사용
  • 신경망 피팅
  • 그래프 추론 구축
  • 손실
  • 훈련
  • 모델 훈련 그래프
  • 세션
  • 기차 루프
  • 모델 평가 평가 그래프 작성
  • 평가 출력으로 평가
  • 대규모 모델 학습
  • TensorBoard를 사용한 모델 시각화 및 평가
  • 실습: Python을 사용하여 딥 러닝 고객 이탈 예측 모델 구축
  • 회사의 역량 확장
  • 딥러닝 가속화를 위해 GPU를 사용하여 클라우드에서 모델 개발 컴퓨터 비전, 음성 인식 및 텍스트 분석에 딥러닝 적용 Neural Networks
  • 요약 및 결론
  • Requirements

    • Python 프로그래밍 경험
    • 통신 개념에 대한 일반적인 지식
    • 통계 및 수학적 개념에 대한 기본 지식

    청중

    • 개발자
    • 데이터 과학자
      28 Hours

    Number of participants



    Price per participant

    회원 평가 (5)

    Related Courses

    Related Categories