Návrh Školení

Úvod a Výběr Týmu Use Case

  • Přehled AI v průmyslových prostředích
  • Kategorie užitkových případů: kvalita, údržba, energetika, logistika
  • Vytvoření týmu a určování cílů projektu

Pochopení a Příprava Průmyslových Dat

  • Typy průmyslových dat: časové řady, tabulková data, obrázky, text
  • Získání dat, čištění a předzpracování dat
  • Explorativní analýza dat s Pandas a Matplotlib

Výběr Modelu a Prototypování

  • Volba mezi regresí, klasifikací, shlukováním nebo detekcí anomalii
  • Trénink a hodnocení modelů pomocí Scikit-learn
  • Použití TensorFlow nebo PyTorch pro pokročilé modelování

Vizuální Zobrazování a Interpretace Výsledků

  • Vytváření intuičních nástěnkových tabulek nebo zpráv
  • Interpretace výkonových metrik (přesnost, odhad přesnosti, sensitivity)
  • Dokumentování předpokladů a omezení

Simulace Nasazení a Zpětná Výhra

  • Simulace scénářů nasazení na hraničních nebo cloudových zařízeních
  • Shromažďování zpětné vazby a vylepšování modelů
  • Strategie pro integraci s operacemi

Vývoj Capstone Projektu

  • Dovedení prototypů týmu k dokonalosti a jejich testování
  • Peer review a společná ladění
  • Příprava prezentace projektu a technické souhrny

Prezentace Týmu a Závěr

  • Prezentace konceptů AI řešení a výsledků
  • Skupinové zpětné sledování a naučených lekcích
  • Cesta pro škálování užitkových případů v organizaci

Shrnutí a Další Kroky

Požadavky

  • Přehled výrobních nebo průmyslových procesů
  • Zkušenosti s Python a základy strojového učení
  • Schopnost pracovat se strukturovanými i nestrukturovanými daty

Cílová skupina

  • Multifunkční týmy
  • Inženýři
  • Data vědci
  • IT profesionálové
 21 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie