Kurzusleírás

Bevezetés és Csapat Use Case Kiválasztás

  • Műszaki környezetekben alkalmazott mesterséges intelligencia áttekintése
  • Felhasználási esetek kategóriái: minőség, karbantartás, energia, logisztika
  • Csapatképzés és projekt célkitűzéseinek meghatározása

Ipari Adatok Megértése és Felkészítése

  • Ipari adatok típusai: idősorozat, táblázatos, kép, szöveg
  • Adatgyűjtés, tisztítás és előfeldolgozás
  • Adatfelfedező elemzés Pandas és Matplotlib használatával

Modell Kiválasztás és Prototípuskészítés

  • Választás regreszió, klasszifikáció, csoportosítás vagy anomáliák észlelése között
  • Modellek kiképzése és értékelése Scikit-learn használatával
  • TensorFlow vagy PyTorch használata előrehaladott modellkészítéshez

Eredmények Vizualizálása és Interpretálása

  • Intuitív dashboard vagy jelentés létrehozása
  • Teljesítmény mutatók értelmezése (pontosság, precízió, visszaidő)
  • Feltevések és korlátok dokumentálása

Telepítés Szimulálása és Visszajelzés

  • Edge/cloud telepítési helyzetek szimulálása
  • Visszajelzés gyűjtése és modelljavítás
  • Stratégiák a műveletekkel való integrálásra

Összefoglaló Projektfejlesztés

  • Csapat prototípusainak véglegesítése és tesztelése
  • Peer review és együttműködő hibakeresés
  • Projekt bemutatója és technikai összefoglaló előkészítése

Csapatbemutatók és Összegzés

  • AI megoldási koncepciók és eredmények bemutatása
  • Csoporti visszatekintés és tapasztalatok
  • Útvonalkészítés a használati esetek bővítésére az szervezeten belül

Összegzés és Következő Lépések

Követelmények

  • A gyártási vagy ipari folyamatok megértése
  • Python és alapvető gépi tanulás tapasztalata
  • Struktúrált és nem struktúrált adatok kezelésének képessége

Célközönség

  • Társfeladatú csapatok
  • Mérnökök
  • Adat tudósok
  • IT szakemberek
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák