課程簡介

介紹與團隊Use Case選擇

  • 工業環境中AI的概述
  • 使用案例類別:質量、維護、能源、物流
  • 團隊組成與項目目標的界定

理解與準備工業數據

  • 工業數據類型:時間序列、表格、圖像、文本
  • 數據獲取、清理與預處理
  • 使用Pandas和Matplotlib進行探索性數據分析

模型選擇與原型設計

  • 選擇回歸、分類、聚類或異常檢測
  • 使用Scikit-learn訓練和評估模型
  • 使用TensorFlow或PyTorch進行高級建模

可視化與解釋結果

  • 創建直觀的儀表板或報告
  • 解釋性能指標(準確率、精確率、召回率)
  • 記錄假設與限制

部署模擬與反饋

  • 模擬邊緣/雲端部署場景
  • 收集反饋並改進模型
  • 與運營整合的策略

Capstone項目開發

  • 最終確定並測試團隊原型
  • 同行評審與協作調試
  • 準備項目演示與技術總結

團隊演示與總結

  • 演示AI解決方案概念與結果
  • 小組反思與經驗教訓
  • 組織內擴展使用案例的路線圖

總結與下一步

最低要求

  • 了解制造或工业流程
  • 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 時間:

課程分類