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.
Plan Szkolenia
Wprowadzenie i wybór zespołu Use Case
- Przegląd sztucznej inteligencji w środowiskach przemysłowych
- Kategorie przypadków użytkowania: jakość, konserwacja, energia, logistyka
- Formowanie zespołu i określanie celów projektu
Rozumienie i przygotowanie danych przemysłowych
- Typy danych przemysłowych: szereg czasowy, tablicowy, obrazowy, tekstowy
- Zbieranie, czyszczenie i przygotowanie danych
- Analiza eksploracyjna danych z Pandas i Matplotlib
Wybór modelu i prototypowanie
- Wybór między regresją, klasyfikacją, klastryzacją lub wykrywaniem anomalii
- Trenowanie i ocena modeli z Scikit-learn
- Używanie TensorFlow lub PyTorch do zaawansowanego modelowania
Wizualizacja i interpretacja wyników
- Tworzenie intuicyjnych panelów sterowania lub raportów
- Interpretacja wskaźników wydajności (dokładność, precyzja, pełność)
- Dokumentowanie założeń i ograniczeń
Symulacja wdrożenia i opinii zwrotnej
- Symulowanie scenariuszy wdrożenia na krawędzi/ w chmurze
- Zbieranie opinii zwrotnej i poprawianie modeli
- Strategie integracji z operacjami
Rozwój projektu końcowego
- Finalizowanie i testowanie prototypów zespołu
- Przegląd przez rówieśników i wspólne usuwanie błędów
- Przygotowanie prezentacji projektu i podsumowania technicznego
Prezentacje zespołów i zakończenie
- Prezentowanie koncepcji i wyników rozwiązań AI
- Refleksja grupy i lekcje wyciągnięte
- Plan rozwoju przypadków użytkowania w organizacji
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie procesów produkcji lub przemysłowych
- Doświadczenie z Python i podstawowym uczeniem maszynowym
- Umiejętność pracy z danymi strukturalizowanymi i niesstrukturalizowanymi
Grupa docelowa
- Zespoły wielodyscyplinarne
- Inżynierowie
- Specjaliści ds. danych
- Specjaliści IT
21 godzin