感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
介绍与团队Use Case选择
- 工业环境中AI的概述
- 用例类别:质量、维护、能源、物流
- 团队组建与项目目标界定
理解与准备工业数据
- 工业数据类型:时间序列、表格、图像、文本
- 数据获取、清洗与预处理
- 使用Pandas和Matplotlib进行探索性数据分析
模型选择与原型设计
- 在回归、分类、聚类或异常检测之间选择
- 使用Scikit-learn训练与评估模型
- 使用TensorFlow或PyTorch进行高级建模
结果可视化与解释
- 创建直观的仪表板或报告
- 解释性能指标(准确率、精确率、召回率)
- 记录假设与局限性
部署模拟与反馈
- 模拟边缘/云部署场景
- 收集反馈并改进模型
- 与运营集成的策略
毕业项目开发
- 最终确定与测试团队原型
- 同行评审与协作调试
- 准备项目演示与技术总结
团队演示与总结
- 演示AI解决方案概念与成果
- 小组反思与经验总结
- 组织内扩展用例的路线图
总结与下一步
要求
- 对制造或工业流程的理解
- 具备Python和基础机器学习的经验
- 能够处理结构化和非结构化数据
受众
- 跨职能团队
- 工程师
- 数据科学家
- IT专业人员
21 小时