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

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative