Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Perkenalan
Dasar-dasar Kecerdasan Buatan dan Machine Learning
Pemahaman Deep Learning
- Gambaran Umum Konsep Dasar Deep Learning
- Membedakan Antara Machine Learning dan Deep Learning
- Ikhtisar Aplikasi untuk Deep Learning
Ikhtisar Neural Networks
- Apa itu Neural Networks
- Neural Networks vs Model Regresi
- Pemahaman Mathematical Landasan dan Mekanisme Pembelajaran
- Membangun Jaringan Syaraf Tiruan
- Memahami Node dan Koneksi Neural
- Bekerja dengan Neuron, Lapisan, dan Data Input dan Output
- Memahami Perceptron Lapisan Tunggal
- Perbedaan Antara Pembelajaran yang Diawasi dan Tanpa Supervisi
- Umpan Balik Pembelajaran dan Umpan Balik Neural Networks
- Pengertian Propagasi Maju dan Propagasi Balik
- Memahami Memori Jangka Pendek Panjang (LSTM)
- Menjelajahi Berulang Neural Networks dalam Praktek
- Menjelajahi Konvolusional Neural Networks dalam praktiknya
- Memperbaiki Cara Neural Networks Belajar
Ikhtisar Deep Learning Teknik yang Digunakan dalam Telecom
- Neural Networks
- Pemrosesan Bahasa Alami
- Pengenalan Gambar
- Speech Recognition
- Analisis Sentimen
Menjelajahi Deep Learning Studi Kasus untuk Telecom
- Mengoptimalkan Routing dan Kualitas Layanan Melalui Analisis Lalu Lintas Jaringan Real Time
- Memprediksi Kegagalan Jaringan dan Perangkat, Pemadaman, Lonjakan Permintaan, dll.
- Menganalisis Panggilan Secara Real Time untuk Mengidentifikasi Perilaku Penipuan
- Menganalisis Perilaku Pelanggan untuk Mengidentifikasi Permintaan Produk dan Layanan Baru
- Memproses Pesan SMS dalam Jumlah Besar untuk Mendapatkan Wawasan
- Speech Recognition untuk Panggilan Dukungan
- Mengonfigurasi SDN dan Jaringan Virtual secara Real Time
Memahami Manfaat Deep Learning untuk Telecom
Menjelajahi Berbagai Deep Learning Perpustakaan untuk Python
- TensorFlow
- Keras
Menyiapkan Python dengan TensorFlow untuk Deep Learning
- Menginstal API TensorFlow Python.
- Menguji Instalasi TensorFlow.
- Menyiapkan TensorFlow untuk Pembangunan
- Latih Model Jaringan Syaraf Tiruan TensorFlow Pertama Anda
Menyiapkan Python dengan Keras untuk Deep Learning
Membangun Model Sederhana Deep Learning dengan Keras
- Membuat Model Keras.
- Memahami Data Anda
- Menentukan Model Deep Learning Anda
- Menyusun Model Anda
- Menyesuaikan Model Anda
- Bekerja dengan Data Klasifikasi Anda
- Bekerja dengan Model Klasifikasi
- Menggunakan Model Anda
Bekerja dengan TensorFlow untuk Deep Learning untuk Telecom
- Mempersiapkan Data
- Mengunduh Data
- Mempersiapkan Data Pelatihan
- Mempersiapkan Data Uji
- Penskalaan Input
- Menggunakan Placeholder dan Variabel
- Menentukan Arsitektur Jaringan
- Menggunakan Fungsi Biaya
- Menggunakan Pengoptimal
- Menggunakan Inisialisasi
- Memasang Jaringan Neural
- Membangun Grafik
- Kesimpulan
- Kehilangan
- Pelatihan
- Melatih Model
- Grafik
- Sesi
- Lingkaran Kereta Api
- Mengevaluasi Model
- Membangun Grafik Evaluasi
- Mengevaluasi dengan Eval Output
- Model Pelatihan dalam Skala Besar
- Memvisualisasikan dan Mengevaluasi Model dengan TensorBoard
Praktek: Membangun Deep Learning Model Prediksi Churn Pelanggan Menggunakan Python
Memperluas Kemampuan Perusahaan Anda
- Mengembangkan Model di Cloud
- Menggunakan GPU untuk Mempercepat Deep Learning
- Menerapkan Deep Learning Neural Networks untuk Computer Vision, Pengenalan Suara, dan Analisis Teks
Ringkasan dan Kesimpulan
Requirements
- Pengalaman dengan pemrograman Python.
- Keakraban umum dengan konsep telekomunikasi
- Keakraban dasar dengan statistik dan konsep matematika
Hadirin
- Pengembang
- Ilmuwan data
28 Hours
Testimonials (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
