Temario del curso
Introducción
Fundamentos de la Inteligencia Artificial y el Aprendizaje Automático
Comprensión del Aprendizaje Profundo
- Visión general de los conceptos básicos del aprendizaje profundo
- Diferenciación entre aprendizaje automático y aprendizaje profundo
- Visión general de las aplicaciones para el aprendizaje profundo
Visión general de las Redes Neuronales
- ¿Qué son las Redes Neuronales?
- Redes Neuronales vs. Modelos de Regresión
- Comprensión de los fundamentos matemáticos y mecanismos de aprendizaje
- Construcción de una Red Neuronal Artificial
- Comprensión de los nodos y conexiones neuronales
- Trabajo con neuronas, capas y datos de entrada y salida
- Comprensión de los Perceptrones de Capa Simple
- Diferencias entre el aprendizaje supervisado y no supervisado
- Aprendizaje de Redes Neuronales de Retroalimentación (Feedforward) y Retropropagación (Feedback)
- Comprensión de la Propagación hacia adelante y la Retropropagación
- Comprensión de la Memoria a Largo Plazo (LSTM)
- Exploración de Redes Neuronales Recurrentes en la práctica
- Exploración de Redes Neuronales Convolucionales en la práctica
- Mejora de la forma en que las Redes Neuronales aprenden
Visión general de las Técnicas de Aprendizho Profundo Utilizadas en Telecomunicaciones
- Redes Neuronales
- Procesamiento de Lenguaje Natural
- Reconocimiento de Imágenes
- Reconocimiento de Voz
- Análisis de Sentimiento
Exploración de Casos de Estudio de Aprendizho Profundo para Telecomunicaciones
- Optimización del enrutamiento y la calidad del servicio mediante el análisis en tiempo real del tráfico de red
- Predicción de fallos de red y dispositivos, interrupciones, picos de demanda, etc.
- Análisis de llamadas en tiempo real para identificar comportamientos fraudulentos
- Análisis del comportamiento del cliente para identificar la demanda de nuevos productos y servicios
- Procesamiento de grandes volúmenes de mensajes SMS para obtener perspectivas
- Reconocimiento de voz para llamadas de soporte
- Configuración de SDN y redes virtualizadas en tiempo real
Comprensión de los Beneficios del Aprendizaje Profundo para Telecomunicaciones
Exploración de las Diferentes Bibliotecas de Aprendizho Profundo para Python
- TensorFlow
- Keras
Configuración de Python con TensorFlow para Aprendizho Profundo
- Instalación de la API de Python de TensorFlow
- Prueba de la instalación de TensorFlow
- Configuración de TensorFlow para el desarrollo
- Entrenamiento de tu primer modelo de red neuronal de TensorFlow
Configuración de Python con Keras para Aprendizho Profundo
Construcción de Modelos Simples de Aprendizho Profundo con Keras
- Creación de un modelo de Keras
- Comprensión de tus datos
- Especificación de tu modelo de aprendizaje profundo
- Compilación de tu modelo
- Ajuste (fitting) de tu modelo
- Trabajo con datos de clasificación
- Trabajo con modelos de clasificación
- Uso de tus modelos
Trabajo con TensorFlow para Aprendizho Profundo en Telecomunicaciones
- Preparación de los datos
- Descarga de los datos
- Preparación de datos de entrenamiento
- Preparación de datos de prueba
- Escalado de las entradas
- Uso de placeholders y variables
- Especificación de la arquitectura de la red
- Uso de la función de costo
- Uso del optimizador
- Uso de inicializadores
- Ajuste (fitting) de la red neuronal
- Construcción del gráfico
- Inferencia
- Pérdida (Loss)
- Entrenamiento
- Entrenamiento del modelo
- El gráfico
- La sesión
- Bucle de entrenamiento
- Evaluación del modelo
- Construcción del gráfico de evaluación
- Evaluación con salida de evaluación
- Entrenamiento de modelos a gran escala
- Visualización y evaluación de modelos con TensorBoard
Práctica: Construcción de un Modelo de Predicción de Abandono de Clientes Basado en Aprendizho Profundo Utilizando Python
Extensión de las Capacidades de tu Empresa
- Desarrollo de modelos en la nube
- Uso de GPUs para acelerar el aprendizaje profundo
- Aplicación de redes neuronales de aprendizaje profundo para visión por computadora, reconocimiento de voz y análisis de texto
Resumen y Conclusión
Requerimientos
- Experiencia con programación en Python
- Familiaridad general con conceptos de telecomunicaciones
- Familiaridad básica con conceptos estadísticos y matemáticos
Audiencia
- Desarrolladores
- Científicos de datos
Testimonios (5)
ejemplos basados en nuestros datos
Witold - P4 Sp. z o.o.
Curso - Deep Learning for Telecom (with Python)
Traducción Automática
ejemplos de código:-)
Marcin - P4 Sp. z o.o.
Curso - Deep Learning for Telecom (with Python)
Traducción Automática
Me gustó que el instructor tuviera muchos scripts pre-escritos para mostrar diferentes aspectos de la IA y el aprendizaje automático. Realmente disfruté poder ver demostraciones en vivo de tantas formas en las que se está utilizando la IA y el aprendizaje automático. Gran parte de lo que cubrimos era tecnología de vanguardia que aún se encuentra en sus primeras etapas de desarrollo.
Matthew Pepper - Motorola Solutions
Curso - Deep Learning for Telecom (with Python)
Traducción Automática
Los cuadernos de Colab que podemos conservar
Palmer Greer - Motorola Solutions
Curso - Deep Learning for Telecom (with Python)
Traducción Automática
La claridad con la que se presentó
John McLemore - Motorola Solutions
Curso - Deep Learning for Telecom (with Python)
Traducción Automática
