Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduksjon og Team Use Case Utvelgelse
- Oversikt over AI i industrielle miljøer
- Bruksområdekategorier: kvalitet, vedlikehold, energi, logistikk
- Teamdannelse og avgrensning av prosjektmål
Forståelse og Forberedelse av Industriell Data
- Typer industriell data: tidsrekke, tabulær, bilde, tekst
- Innsamling, rensing og forbehandling av data
- Eksplorativ dataanalyse med Pandas og Matplotlib
Modellvalg og Prototyping
- Valg mellom regresjon, klassifisering, klustering eller anomalioppdagelse
- Trening og vurdering av modeller med Scikit-learn
- Bruk av TensorFlow eller PyTorch for avansert modellering
Visualisering og Tolkning av Resultater
- Opprettelse av intuitive dashboards eller rapporter
- Tolkning av ytelsesmålinger (nøyaktighet, presisjon, tilbakekalling)
- Dokumentasjon av antagelser og begrensninger
Distribusjonssimulering og Tilbakemelding
- Simulering av edge/cloud-distribusjonsscenarier
- Innsamling av tilbakemeldinger og forbedring av modeller
- Strategier for integrering med operasjoner
Utkast til Capstone-prosjektutvikling
- Fullføring og testing av teamprototyper
- Felleseiegransking og kollaborativ feilsøking
- Forberedelse av prosjektpresentasjon og teknisk sammenfatning
Teampresentasjoner og Oppsummering
- Presentasjon av AI-løsningskonsepter og resultater
- Gruppe refleksjon og lærdommer
- Veiplan for skalering av bruksområder innenfor organisasjonen
Oppsummering og Neste Skritt
Krav
- En forståelse av produksjons- eller industrielle prosesser
- Erfaring med Python og grunnleggende maskinlæring
- Evne til å arbeide med strukturert og ustrukturert data
Målgruppe
- Tverrfaglige team
- Ingeniører
- Datavitere
- IT-profesjonelle
21 timer