          用于電信行業(yè)的深度學(xué)習(xí)（使用Python）培訓(xùn)

介紹

人工智能和機器學(xué)習(xí)基礎(chǔ)

了解深度學(xué)習(xí)

深度學(xué)習(xí)基本概念概述
區(qū)分機器學(xué)習(xí)和深度學(xué)習(xí)
深度學(xué)習(xí)應(yīng)用概述
神經(jīng)網(wǎng)絡(luò)概述

什么是神經(jīng)網(wǎng)絡(luò)？
神經(jīng)網(wǎng)絡(luò)與回歸模型
了解數(shù)學(xué)基礎(chǔ)和學(xué)習(xí)機制
構(gòu)造人工神經(jīng)網(wǎng)絡(luò)
了解神經(jīng)節(jié)點和連接
處理神經(jīng)元、層、輸入和輸出數(shù)據(jù)
了解單層感知器
監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)之間的差異
學(xué)習(xí)前饋和反饋神經(jīng)網(wǎng)絡(luò)
了解正向傳播和反向傳播
了解長期短期記憶（LSTM）
在實踐中探索遞歸神經(jīng)網(wǎng)絡(luò)
在實踐中探索卷積神經(jīng)網(wǎng)絡(luò)
改善神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式
電信行業(yè)中使用的深度學(xué)習(xí)技術(shù)概述

神經(jīng)網(wǎng)絡(luò)
自然語言處理
圖像識別
語音識別
情緒分析
探索電信行業(yè)的深度學(xué)習(xí)案例研究

通過實時網(wǎng)絡(luò)流量分析優(yōu)化路由和服務(wù)質(zhì)量
預(yù)測網(wǎng)絡(luò)和設(shè)備故障、中斷、需求激增等
實時分析呼叫以識別欺詐行為
分析客戶行為以識別對新產(chǎn)品和服務(wù)的需求
處理大量SMS消息以獲取見解
支持電話的語音識別
實時配置SDN和虛擬網(wǎng)絡(luò)
了解電信深度學(xué)習(xí)的好處

探索適用于Python的各種深度學(xué)習(xí)庫

TensorFlow
Keras
使用TensorFlow設(shè)置Python進行深度學(xué)習(xí)

安裝TensorFlow Python API
測試TensorFlow安裝
設(shè)置TensorFlow進行開發(fā)
訓(xùn)練您的第一個TensorFlow神經(jīng)網(wǎng)絡(luò)模型
使用Keras設(shè)置Python進行深度學(xué)習(xí)

使用Keras構(gòu)建簡單的深度學(xué)習(xí)模型

創(chuàng)建Keras模型
了解您的數(shù)據(jù)
指定您的深度學(xué)習(xí)模型
編譯您的模型
擬合您的模型
處理您的分類數(shù)據(jù)
使用分類模型
使用您的模型
使用TensorFlow進行電信業(yè)深度學(xué)習(xí)

準備數(shù)據(jù)
下載數(shù)據(jù)
準備訓(xùn)練數(shù)據(jù)
準備測試數(shù)據(jù)
縮放輸入
使用占位符和變量
指定網(wǎng)絡(luò)架構(gòu)
使用成本函數(shù)
使用優(yōu)化器
使用初始化器
擬合神經(jīng)網(wǎng)絡(luò)
建立圖表
推斷（Inference）
損失（Loss）
訓(xùn)練
訓(xùn)練模型
圖（graph）
會話（Session）
訓(xùn)練循環(huán)（Train Loop）
評估模型
建立評估圖
評估輸出評估
大規(guī)模培訓(xùn)模型
使用TensorBoard可視化和評估模型
動手練習(xí)：使用Python構(gòu)建深度學(xué)習(xí)的客戶流失預(yù)測模型

擴展公司的能力

在云中開發(fā)模型
使用GPU加速深度學(xué)習(xí)
將深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)應(yīng)用于計算機視覺、語音識別、文本分析