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

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák