Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere și selectarea cazurilor de utilizare pe echipe
- Prezentare generală a AI în medii industriale
- Categorii de cazuri de utilizare: calitate, mentenanță, energie, logistică
- Formarea echipelor și definirea obiectivelor proiectului
Înțelegerea și pregătirea datelor industriale
- Tipuri de date industriale: serii de timp, tabelare, imagini, text
- Achiziția, curățarea și preprocesarea datelor
- Analiza exploratorie a datelor cu Pandas și Matplotlib
Selectarea modelului și prototiparea
- Alegerea între regresie, clasificare, clustering sau detecția anomaliilor
- Antrenarea și evaluarea modelelor cu Scikit-learn
- Utilizarea TensorFlow sau PyTorch pentru modelare avansată
Vizualizarea și interpretarea rezultatelor
- Crearea de dashboard-uri sau rapoarte intuitive
- Interpretarea metricilor de performanță (acuratețe, precizie, recall)
- Documentarea ipotezelor și limitărilor
Simularea implementării și feedback
- Simularea scenariilor de implementare edge/cloud
- Colectarea feedback-ului și îmbunătățirea modelelor
- Strategii de integrare cu operațiunile
Dezvoltarea proiectului capstone
- Finalizarea și testarea prototipurilor echipelor
- Evaluare între colegi și debugging colaborativ
- Pregătirea prezentării proiectului și a rezumatului tehnic
Prezentările echipelor și încheierea
- Prezentarea conceptelor și rezultatelor soluțiilor AI
- Reflecție de grup și lecții învățate
- Roadmap pentru scalarea cazurilor de utilizare în cadrul organizației
Rezumat și pașii următori
Cerințe
- Înțelegerea proceselor de producție sau industriale
- Experiență cu Python și cunoștințe de bază de machine learning
- Abilitatea de a lucra cu date structurate și nestructurate
Public țintă
- Echipe cross-funcționale
- Ingineri
- Data scientists
- Profesioniști IT
21 Ore
