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
- Diferencias entre aprendizaje automático y aprendizaje profundo
- Visión general de las aplicaciones del aprendizaje profundo
Visión general de las redes neuronales
- ¿Qué son las redes neuronales?
- Redes neuronales frente a modelos de regresión
- Comprensión de los fundamentos matemáticos y los 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 una sola capa
- Diferencias entre aprendizaje supervisado y no supervisado
- Aprendizaje de redes neuronales feedforward y con retroalimentación
- Comprensión de la propagación hacia adelante y la retropropagación
- Comprensión de las redes de memoria de corto y largo plazo (LSTM)
- Exploración práctica de las redes neuronales recurrentes
- Exploración práctica de las redes neuronales convolucionales
- Mejora de la forma en que las redes neuronales aprenden
Visión general de las técnicas de aprendizaje profundo utilizadas en telecomunicaciones
- Redes neuronales
- Procesamiento del lenguaje natural
- Reconocimiento de imágenes
- Reconocimiento de voz
- Análisis de sentimientos
Exploración de estudios de caso de aprendizaje profundo para telecomunicaciones
- Optimización del enrutamiento y la calidad del servicio mediante análisis de tráfico de red en tiempo real
- Predicción de fallas y cortes de red, dispositivos, picos de demanda, entre otros
- Análisis de llamadas en tiempo real para identificar comportamientos fraudulentos
- Análisis del comportamiento del cliente para detectar la demanda de nuevos productos y servicios
- Procesamiento de grandes volúmenes de mensajes SMS para obtener información valiosa
- Reconocimiento de voz para llamadas de soporte
- Configuración de redes definidas por software (SDN) y redes virtualizadas en tiempo real
Comprensión de los beneficios del aprendizaje profundo para telecomunicaciones
Exploración de las diferentes bibliotecas de aprendizaje profundo para Python
- TensorFlow
- Keras
Configuración de Python con TensorFlow para aprendizaje profundo
- Instalación de la API de Python de TensorFlow
- Prueba de la instalación de TensorFlow
- Configuración de TensorFlow para desarrollo
- Entrenamiento de su primer modelo de red neuronal con TensorFlow
Configuración de Python con Keras para aprendizaje profundo
Construcción de modelos simples de aprendizaje profundo con Keras
- Creación de un modelo en Keras
- Comprensión de sus datos
- Especificación de su modelo de aprendizaje profundo
- Compilación del modelo
- Ajuste del modelo
- Trabajo con datos de clasificación
- Trabajo con modelos de clasificación
- Uso de sus modelos
Trabajo con TensorFlow para aprendizaje profundo en telecomunicaciones
- Preparación de los datos
- Descarga de los datos
- Preparación de los datos de entrenamiento
- Preparación de los datos de prueba
- Estandarización de las entradas
- Uso de marcadores de posición (placeholders) y variables
- Especificación de la arquitectura de la red
- Uso de la función de costo
- Uso del optimizador
- Uso de inicializadores
- Ajuste de la red neuronal
- Construcción del gráfico
- Inferencia
- Pérdida
- Entrenamiento
- Entrenamiento del modelo
- El gráfico
- La sesión
- Bucle de entrenamiento
- Evaluación del modelo
- Construcción del gráfico de evaluación
- Evaluación mediante la salida de evaluación
- Entrenamiento de modelos a escala
- Visualización y evaluación de modelos con TensorBoard
Práctica: Construcción de un modelo de predicción de rotación de clientes (churn) basado en aprendizaje profundo utilizando Python
Ampliación de las capacidades de su 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 en programación con Python
- Familiaridad general con conceptos del sector de telecomunicaciones
- Conocimientos básicos de estadística y conceptos matemáticos
Público objetivo
- 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
