Cursusaanbod

Introducie en Team Use Case Selectie

  • Overzicht van AI in industriële omgevingen
  • Gebruiksgevallen categorieën: kwaliteit, onderhoud, energie, logistiek
  • Teamvorming en afbaking van projectdoelen

Begrijpen en Voorbereiden van Industriële Gegevens

  • Types van industriële gegevens: tijdreeks, tabulair, afbeelding, tekst
  • Gegevensverzameling, reiniging en voorverwerking
  • Exploratie van gegevens met Pandas en Matplotlib

Modelselectie en Prototypering

  • Keuze tussen regressie, classificatie, clustering of anomaliedetectie
  • Trainen en evalueren van modellen met Scikit-learn
  • Gebruik van TensorFlow of PyTorch voor geavanceerd modeleren

Visualiseren en Interpreteren van Resultaten

  • Aanmaken van intuïtieve dashboards of rapporten
  • Interpretatie van prestatie-metrieken (nauwkeurigheid, precisie, recall)
  • Documenteren van aannames en beperkingen

Implementatiesimulatie en Feedback

  • Simuleren van edge/cloud-implementatiescenario's
  • Verzamelen van feedback en verbeteren van modellen
  • Strategieën voor integratie met operaties

Ontwikkeling van Capstone Project

  • Afronden en testen van teamprototypes
  • Peer review en samenwerkend debuggen
  • Voorbereiden van projectpresentatie en technische samenvatting

Teampresentaties en Afsluiting

  • Presenteren van AI-oplossingsconcepten en resultaten
  • Groepsreflectie en geleerde lessen
  • Roadmap voor schalen van gebruiksscenario's binnen de organisatie

Samenvatting en Volgende Stappen

Vereisten

  • Begrip van de productie- of industrieprocessen
  • Ervaring met Python en basis machine learning
  • Vaardigheid om te werken met gestructureerde en ongestructureerde data

Doelgroep

  • Meerdere functionerende teams
  • Ingenieurs
  • Datawetenschappers
  • IT-professionals
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën