課程簡介

介紹與團隊Use Case選擇

  • 工業環境中的人工智能概述
  • 用例類別:質量、維護、能源、物流
  • 團隊組建與項目目標範圍界定

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

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

可視化與結果解釋

  • 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)
  • 記錄假設與侷限性

部署模擬與反饋

  • 模擬邊緣/雲部署場景
  • 收集反饋並改進模型
  • 與運營集成的策略

畢業項目開發

  • 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

  • 展示AI解決方案概念與成果
  • 小組反思與經驗教訓
  • 組織內擴展用例的路線圖

總結與下一步

最低要求

  • 瞭解製造或工業流程
  • 具備Python和基礎機器學習的經驗
  • 能夠處理結構化和非結構化數據

受衆

  • 跨職能團隊
  • 工程師
  • 數據科學家
  • IT專業人員
 21 時間:

人數


每位參與者的報價

Upcoming Courses

課程分類