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.
Съдържание и теми, включени в курса
Въведение и избор на сценарий за използване от екипа
- Общ преглед на AI в индустриална среда
- Категории сценарии за използване: качество, поддръжка, енергия, логистика
- Сформиране на екипи и определяне на обхвата на проектните цели
Разбиране и подготовка на индустриални данни
- Видове индустриални данни: времеви редове, таблични, изображения, текст
- Придобиване, почистване и предварителна обработка на данни
- Изследователски анализ на данни с Pandas и Matplotlib
Избор на модел и прототипиране
- Избор между регресия, класификация, клъстеризация или откриване на аномалии
- Обучение и оценка на модели със Scikit-learn
- Използване на TensorFlow или PyTorch за напреднало моделиране
Визуализиране и интерпретиране на резултатите
- Създаване на интуитивни табла за управление или доклади
- Интерпретиране на показателите за ефективност (точност, прецизност, припомняне)
- Документиране на предположения и ограничения
Симулация на внедряване и обратна връзка
- Симулиране на сценарии за внедряване в периферията/облака
- Събиране на обратна връзка и подобряване на моделите
- Стратегии за интеграция с операциите
Разработване на заключителен проект
- Финализиране и тестване на екипните прототипи
- Взаимна проверка и съвместно отстраняване на грешки
- Подготовка на проектна презентация и техническо резюме
Екипни презентации и заключение
- Представяне на концепции и резултати от AI решения
- Групова рефлексия и научени уроци
- Пътна карта за мащабиране на сценариите за използване в организацията
Обобщение и следващи стъпки
Изисквания
- Познаване на производствени или индустриални процеси
- Опит с Python и основи на машинното обучение
- Умение за работа със структурирани и неструктурирани данни
Аудитория
- Междуфункционални екипи
- Инженери
- Data scientists
- IT специалисти
21 Часа