Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение и избор на екип Use Case
- Обзор на изкуственото интелигентност в индустриални среди
- Категории на използването: качество, поддръжка, енергия, логистика
- Формиране на екип и определяне на целите на проекта
Разбиране и подготвяне на индустриални данни
- Видове индустриални данни: временни редици, таблични, изображения, текст
- Събиране, чистене и предварителна обработка на данни
- Експлоатационен анализ на данни с Pandas и Matplotlib
Избор на модел и прототипиране
- Избор между регресия, класификация, кластеризация или откриване на аномалии
- Обучение и оценка на модели с Scikit-learn
- Използване на TensorFlow или PyTorch за напреднали модели
Визуализация и интерпретация на резултатите
- Създаване на интуитивни табло или отчети
- Интерпретация на метрики за производителност (точност, прецизност, обхват)
- Документиране на предположения и ограничения
Симулация на развертане и обратна връзка
- Симулация на сценарии за развертане на крайни устройства/облачни услуги
- Събиране на обратна връзка и подобряване на модели
- Стратегии за интеграция с операциите
Развитие на капитално проектно задание
- Завършване и тестване на прототипове на екипа
- Ревю от колеги и съвместно отстраняване на грешки
- Подготовка на представяне на проекта и техничен резюме
Представяне на екипи и заключение
- Представяне на концепции и резултати от решения за изкуствен интелигентност
- Групов отзив и извлечени уроци
- Пътна карта за масово разпространение на използване в организацията
Резюме и следващи стъпки
Изисквания
- Разбиране в производствени или индустриални процеси
- Опит с Python и базисни умствени модели
- Способност да работи с структурирани и неструктурирани данни
Целева аудитория
- Междисциплинарни екипи
- Инженери
- Научни работници по данни
- ИТ специалисти
21 часа