Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés és Csapat Használati Eset Kiválasztása
- Az AI áttekintése ipari környezetekben
- Használati eset kategóriák: minőség, karbantartás, energia, logisztika
- Csapatképzés és projekt célkitűzések körülhatárolása
Ipari Adatok Megértése és Előkészítése
- Ipari adatok típusai: időbeli, táblázatos, kép, szöveg
- Adatgyűjtés, tisztítás és előfeldolgozás
- Exploratív adatelemzés Pandas és Matplotlib segítségével
Modell Kiválasztás és Prototípus Készítés
- Választás regresszió, osztályozás, klaszterezés vagy anomáliadetektálás között
- Modellek betanítása és kiértékelése Scikit-learn segítségével
- TensorFlow vagy PyTorch használata haladó modellezéshez
Eredmények Megjelenítése és Értelmezése
- Intuitív irányítópultok vagy jelentések készítése
- Teljesítménymetrikák értelmezése (pontosság, precizitás, visszahívás)
- Feltételezések és korlátozások dokumentálása
Üzembehelyezési Szimuláció és Visszajelzés
- Edge/felhő üzembehelyezési forgatókönyvek szimulálása
- Visszajelzések gyűjtése és modellek javítása
- Stratégiák a működéssel való integrációhoz
Záróprojekt Fejlesztés
- Csapatprototípusok véglegesítése és tesztelése
- Peer review és együttműködő hibakeresés
- Projektbemutató és technikai összefoglaló előkészítése
Csapatbemutatók és Lezárás
- AI megoldások koncepcióinak és eredményeinek bemutatása
- Csoportos visszajelzés és tanulságok
- Használati esetek skálázásának útmutatója a szervezeten belül
Összefoglalás és Következő Lépések
Követelmények
- A gyártási vagy ipari folyamatok ismerete
- Tapasztalat Pythonnal és alapvető gépi tanulással
- Képesség strukturált és strukturálatlan adatokkal való munkavégzésre
Célközönség
- Többfunkciós csapatok
- Mérnökök
- Adattudósok
- IT szakemberek
21 Órák