Praktyczne warsztaty: Wdrażanie zastosowań AI z wykorzystaniem danych przemysłowych - Plan Szkolenia

Wprowadzenie i wybór przypadków użycia przez zespoły

• Przegląd AI w środowiskach przemysłowych
• Kategorie przypadków użycia: jakość, utrzymanie ruchu, energia, logistyka
• Tworzenie zespołów i określanie zakresu celów projektu

Zrozumienie i przygotowanie danych przemysłowych

• Rodzaje danych przemysłowych: szeregi czasowe, tabele, obrazy, tekst
• Pozyskiwanie, oczyszczanie i wstępne przetwarzanie danych
• Eksploracyjna analiza danych z użyciem Pandas i Matplotlib

Wybór modeli 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 pulpitów nawigacyjnych lub raportów
• Interpretacja metryk wydajności (dokładność, precyzja, pełność)
• Dokumentowanie założeń i ograniczeń

Symulacja wdrożenia i informacja zwrotna

• Symulowanie scenariuszy wdrożenia brzegowego/chmurowego
• Zbieranie informacji zwrotnych i ulepszanie modeli
• Strategie integracji z działaniami operacyjnymi

Rozwój projektu końcowego (Capstone)

• Finalizowanie i testowanie prototypów zespołowych
• Wzajemna ocena i wspólne debugowanie
• Przygotowanie prezentacji projektu i podsumowania technicznego

Prezentacje zespołowe i podsumowanie

• Prezentowanie koncepcji i rezultatów rozwiązań AI
• Refleksja grupowa i wnioski z doświadczeń
• Plan dalszego skalowania przypadków użycia w organizacji

Podsumowanie i kolejne kroki