Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung und Team Use Case Auswahl
- Überblick über KI in industriellen Umgebungen
- Use Case-Kategorien: Qualität, Wartung, Energie, Logistik
- Teambildung und Definition der Projekttziele
Verständnis und Vorbereitung von Industriellen Daten
- Arten von industriellen Daten: Zeitreihen, tabellarisch, Bilder, Text
- Datenbeschaffung, -reinigung und -vorbearbeitung
- Explorative Datenanalyse mit Pandas und Matplotlib
Modellauswahl und Prototyping
- Auswahl zwischen Regression, Klassifizierung, Clustering oder Anomalieerkennung
- Trainieren und Bewerten von Modellen mit Scikit-learn
- Verwendung von TensorFlow oder PyTorch für erweiterte Modellierung
Visualisierung und Interpretation der Ergebnisse
- Erstellen intuitiver Dashboards oder Berichte
- Interpretation von Leistungsmaßen (Genauigkeit, Präzision, Recall)
- Dokumentieren von Annahmen und Einschränkungen
Deploymentsimulation und Feedback
- Simulieren von Edge/Cloud-Deployment-Szenarien
- Feedback sammeln und Modelle verbessern
- Strategien für die Integration in den Betrieb
Capstone-Projektentwicklung
- Finalisieren und Testen von Teamprototypen
- Peer-Review und gemeinsames Debugging
- Vorbereitung der Projektpräsentation und technischen Zusammenfassung
Teampräsentationen und Zusammenfassung
- Präsentieren von AI-Lösungsansätzen und Ergebnissen
- Gruppenspiegelung und gelernte Lektionen
- Roadmap für die Erweiterung von Use Cases innerhalb der Organisation
Zusammenfassung und nächste Schritte
Voraussetzungen
- Ein Verständnis von Fertigungs- oder Industrieprozessen
- Erfahrung mit Python und Grundlagen der maschinellen Lernverfahren
- Die Fähigkeit, mit strukturierten und unstrukturierten Daten umzugehen
Zielpublikum
- Querschnittsteams
- Ingenieure
- Datenwissenschaftler
- IT-Professionals
21 Stunden