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

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien