Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction et Sélection de l'Équipe Use Case
- Aperçu de l'intelligence artificielle dans les environnements industriels
- Catégories d'utilisation: qualité, maintenance, énergie, logistique
- Formation de l'équipe et définition des objectifs du projet
Compréhension et Préparation des Données Industrielles
- Types de données industrielles: séries temporelles, tabulaires, images, texte
- Acquisition, nettoyage et prétraitement des données
- Analyse exploratoire des données avec Pandas et Matplotlib
Sélection du Modèle et Prototypage
- Choisir entre régression, classification, regroupement ou détection d'anomalies
- Formation et évaluation des modèles avec Scikit-learn
- Utilisation de TensorFlow ou PyTorch pour un modèle avancé
Visualisation et Interprétation des Résultats
- Création de tableaux de bord ou rapports intuitifs
- Interpréter les métriques de performance (exactitude, précision, rappel)
- Documenter les hypothèses et limitations
Simulation du Déploiement et Retours d'Information
- Simuler des scénarios de déploiement sur périphérie/nuage
- Collecter les retours et améliorer les modèles
- Stratégies pour l'intégration avec les opérations
Développement du Projet de Synthèse
- Finaliser et tester les prototypes de l'équipe
- Examen par les pairs et débogage collaboratif
- Préparer la présentation du projet et le résumé technique
Présentations d'Équipe et Conclusion
- Présenter des concepts de solutions d'intelligence artificielle et leurs résultats
- Réflexion en groupe et enseignements tirés
- Planification pour l'échelle des cas d'utilisation au sein de l'organisation
Synthèse et Étapes Suivantes
Pré requis
- Une compréhension des processus de fabrication ou industriels
- Expérience avec Python et la base de l'apprentissage automatique
- Capacité à travailler avec des données structurées et non structurées
Public cible
- Équipes transversales
- Ingénieurs
- Scientifiques des données
- Professionnels en TI
21 Heures