Håndverktak: Implementasjon av AI-saker med industridata Treningskurs

Introduksjon og valgte AI-saker for laget

• Oversikt over AI i industrielle miljøer
• Kategorier av AI-saker: kvalitet, vedlikehold, energi, logistikk
• Dannels av lag og definisjon av prosjektmål

Forståelse og forberedelse av industridata

• Typer av industridata: tidsserier, tabellarisk, bilder, tekst
• Dataanskaffelse, rensing og forhåndsskjæring
• Utforskende dataanalyse med Pandas og Matplotlib

Modellvalg og prototyping

• Valg mellom regresjon, klassifisering, klustering eller anomali-deteksjon
• Trening og evaluering av modeller med Scikit-learn
• Bruk av TensorFlow eller PyTorch for avansert modellering

Visualisering og tolking av resultater

• Opprettelse av intuitive dashboards eller rapporter
• Tolking av ytelsesindikatorer (nøyaktighet, presisjon, sensitivitet)
• Dokumentasjon av forutsetninger og begrensninger

Simulering av distribusjon og tilbakemeldinger

• Simulering av edge/cloud-distribusjonsscenarier
• Inntak av tilbakemeldinger og forbedring av modeller
• Strategier for integrasjon med operasjoner

Utvikling av toppprosjekt

• Finalisering og test av lagets prototyper
• Fagfellevurdering og samarbeid om feilsøking
• Forberedelse av prosjektpresentasjon og teknisk oppsummering

Presentasjoner fra lagene og oppsummering

• Presentasjon av AI-løsningstankar og resultater
• Grupperefleksjon og lærte leksjoner
• Veikart for skalering av AI-saker innenfor organisasjonen

Oppsummering og neste steg