Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione e selezione dei casi d'uso di team
- Panoramica dell'AI negli ambienti industriali
- Categorie di casi d'uso: qualità, manutenzione, energia, logistica
- Formazione dei team e definizione degli obiettivi del progetto
Comprensione e preparazione dei dati industriali
- Tipi di dati industriali: time-series, tabellari, immagini, testo
- Acquisizione, pulizia e pre-elaborazione dei dati
- Analisi esplorativa dei dati con Pandas e Matplotlib
Selezione dei modelli e prototipazione
- Scelta tra regressione, classificazione, clustering o rilevazione delle anomalie
- Addestramento e valutazione dei modelli con Scikit-learn
- Utilizzo di TensorFlow o PyTorch per modellazione avanzata
Visualizzazione e interpretazione dei risultati
- Creazione di dashboard o report intuitivi
- Interpretazione delle metriche di prestazioni (accuratezza, precisione, recall)
- Documentazione delle assunzioni e dei limiti
Simulazione del deployment e feedback
- Simulazione di scenari di deployment edge/cloud
- Raccolta di feedback e miglioramento dei modelli
- Strategie di integrazione con le operazioni
Sviluppo del progetto capstone
- Finalizzazione e test dei prototipi di team
- Revisione tra pari e debugging collaborativo
- Preparazione della presentazione del progetto e del riassunto tecnico
Presentazioni dei team e conclusioni
- Presentazione dei concetti e dei risultati delle soluzioni AI
- Riflessione di gruppo e lezioni apprese
- Roadmap per la scalabilità dei casi d'uso all'interno dell'organizzazione
Riepilogo e prossimi passi
Requisiti
- Comprensione dei processi di produzione o industriali
- Esperienza con Python e nozioni base di machine learning
- Capacità di lavorare con dati strutturati e non strutturati
Pubblico di riferimento
- Team multifunzionali
- Ingegneri
- Data scientist
- Professionisti IT
21 ore
