Praktisk workshopsession: Implementering av AI-användningsfall med industriella data Träningskurs

Inledning och val av teams användningsfall

• Översikt över AI i industriella miljöer
• Kategorier av användningsfall: kvalitet, underhåll, energi, logistik
• Bildande av team och definition av projektets mål

Förståelse och förberedelse av industriell data

• Typer av industriell data: tidsserier, tabellarisk, bild, text
• Insamling, rensning och förbehandling av data
• Utforskande datanalys med Pandas och Matplotlib

Val av modell och prototypning

• Att välja mellan regression, klassificering, klusterbildning 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 dashboards eller rapporter
• Tolkning av prestandametriker (noggrannhet, precision, recall)
• Dokumentering av antaganden och begränsningar

Simulation av implementering och återkoppling

• Simulation av edge/cloud-implementationsscenarier
• Insamling av feedback och förbättring av modeller
• Strategier för integrering med driftoperationer

Utveckling av slutprojekt (Capstone Project)

• Avslutande och testning av teams prototyper
• Kollegagenerell granskning och samarbetsbaserad felsökning
• Förberedelse av projektpresentation och teknisk sammanfattning

Teampresentationer och avrundning

• Presentation av koncept och resultat för AI-lösningar
• Gruppreflektion och lärdomar
• Vägkartan för skalning av användningsfall inom organisationen

Sammanfattning och nästa steg