Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione e Selezione del Team Use Case
- Panoramica dell'IA negli ambienti industriali
- Categorie di casi d'uso: qualità, manutenzione, energia, logistica
- Formazione del team e definizione degli obiettivi progettuali
Comprendere e Preparare i Dati Industriali
- Tipi di dati industriali: time-series, tabular, immagini, testo
- Acquisizione, pulizia e preprocessing dei dati
- Analisi esplorativa dei dati con Pandas e Matplotlib
Selezione del Modello e Prototipazione
- Scegliere tra regressione, classificazione, clustering o rilevamento anomalie
- Addestrare e valutare modelli con Scikit-learn
- Utilizzare TensorFlow o PyTorch per il modello avanzato
Visualizzazione ed Interpretazione dei Risultati
- Creare dashboard intuitive o report
- Interpretare metriche di prestazioni (precisione, accuratezza, recall)
- Documentare ipotesi e limitazioni
Simulazione di Deployment e Feedback
- Simulare scenari di deployment edge/cloud
- Raccogliere feedback e migliorare i modelli
- Strategie per l'integrazione con le operazioni
Sviluppo del Progetto di Chiusura
- Finalizzare ed eseguire test dei prototipi del team
- Revisione peer e debug collaborativo
- Preparare la presentazione del progetto e il riepilogo tecnico
Presentazioni di Squadra e Conclusione
- Presentare i concetti e gli esiti delle soluzioni AI
- Riflessione di gruppo e lezioni apprese
- Roadmap per la scalabilità dei casi d'uso all'interno dell'organizzazione
Riassunto e Passi Successivi
Requisiti
- Comprehenzione dei processi di fabbricazione o industriali
- Esperienza con Python e base di machine learning
- Capacità di lavorare con dati strutturati e non strutturati
Destinatari
- Team multidisciplinari
- Ingegneri
- Data scientist
- Professionisti IT
21 ore