Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion och Team Use Case -urval
- Överblick över AI i industriella miljöer
- Användningsfallskategorier: kvalitet, underhåll, energi, logistik
- Teamformering och avgränsning av projektmål
Förståelse och Förberedelse av Industriell Data
- Typer av industriell data: tidsserier, tabelldata, bilder, text
- Datainsamling, rengöring och förbehandling
- Explorativ dataanalys med Pandas och Matplotlib
Modellval och Prototypering
- Val mellan regression, klassificering, klustring eller anomalidetektering
- Träning och utvärdering av modeller med Scikit-learn
- Användning av TensorFlow eller PyTorch för avancerad modellering
Visualisering och Tolkning av Resultat
- Skapande av intuitiva instrumentpaneler eller rapporter
- Tolkning av prestandamått (noggrannhet, precision, återkallelse)
- Dokumentation av antaganden och begränsningar
Implementeringssimulering och Återkoppling
- Simulering av edge/cloud-implementeringsscenarier
- Insamling av återkoppling och förbättring av modeller
- Strategier för integration med operationer
Utveckling av Capstone-projekt
- Slutförande och testning av teamprotyper
- Kollegial granskning och samarbetsbaserad felsökning
- Förberedelse av projektpresentation och teknisk sammanfattning
Teampresentationer och Avslutning
- Presentation av AI-lösningskoncept och utfall
- Gruppreflektion och lärdomar
- Vägkarta för att skalbarheten av användningsfall inom organisationen
Sammanfattning och Nästa Steg
Krav
- Förståelse för tillverknings- eller industriella processer
- Erfarenhet av Python och grundläggande maskininlärning
- Förmåga att arbeta med strukturerade och ostrukturerade data
Målgrupp
- Tvärfunktionella team
- Ingenjörer
- Data scientists
- IT-professionella
21 timmar
