Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie i wybór przypadku użycia przez zespół
- Przegląd AI w środowiskach przemysłowych
- Kategorie przypadków użycia: jakość, konserwacja, energia, logistyka
- Formowanie zespołu i określenie celów projektu
Zrozumienie i przygotowanie danych przemysłowych
- Rodzaje danych przemysłowych: szeregi czasowe, tabelaryczne, obrazowe, tekstowe
- Pozyskiwanie, czyszczenie i wstępne przetwarzanie danych
- Eksploracyjna analiza danych z użyciem Pandas i Matplotlib
Wybór modelu i prototypowanie
- Wybór między regresją, klasyfikacją, grupowaniem lub wykrywaniem anomalii
- Trenowanie i ocena modeli z użyciem Scikit-learn
- Wykorzystanie TensorFlow lub PyTorch do zaawansowanego modelowania
Wizualizacja i interpretacja wyników
- Tworzenie intuicyjnych paneli sterowania lub raportów
- Interpretacja metryk wydajności (dokładność, precyzja, czułość)
- Dokumentowanie założeń i ograniczeń
Symulacja wdrożenia i feedback
- Symulowanie scenariuszy wdrożenia na krawędzi/w chmurze
- Zbieranie feedbacku i ulepszanie modeli
- Strategie integracji z operacjami
Rozwój projektu końcowego
- Finalizowanie i testowanie prototypów zespołu
- Przegląd koleżeński i wspólne debugowanie
- Przygotowanie prezentacji projektu i podsumowania technicznego
Prezentacje zespołów i podsumowanie
- Prezentacja koncepcji i wyników rozwiązań AI
- Refleksja grupowa i wnioski
- Plan skalowania przypadków użycia w organizacji
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie procesów produkcyjnych lub przemysłowych
- Doświadczenie w Pythonie i podstawy uczenia maszynowego
- Umiejętność pracy z danymi strukturalnymi i niestrukturalnymi
Grupa docelowa
- Międzyfunkcyjne zespoły
- Inżynierowie
- Data scientists
- Specjaliści IT
21 godzin
Opinie uczestników (1)
szerokie podejście do tematu, wiedza praktyczna