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

Antall deltakere


Price per participant

Upcoming Courses

Related Categories