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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории