Eğitim İçeriği

Giriş ve Takım Use Case Seçimi

  • Endüstriyel ortamlarda yapay zeka (AI) genel bakışı
  • Kullanım durumu kategorileri: kalite, bakım, enerji, lojistik
  • Takım oluşturma ve proje hedeflerinin belirlenmesi

Endüstriyel Veriyi Anlama ve Hazırlama

  • Endüstriyel veri tipleri: zaman serisi, tablolar, resim, metin
  • Veri toplama, temizleme ve ön işleme
  • Pandas ile keşifçi veri analizi ve Matplotlib

Model Seçimi ve Prototiplendirme

  • Regresyon, sınıflandırma, kümeleme veya anomali algılama arasında seçim yapmak
  • Scikit-learn ile model eğitimine ve değerlendirmeye giriş
  • TensorFlow ya da PyTorch kullanarak gelişmiş modellere geçiş

Sonuçları Görselleştirme ve Yorumlama

  • Mantıklı kontrol panel veya rapor oluşturma
  • Performans metriklerinin yorumlanması (doğruluk, hassasiyet, duyarlılık)
  • Varsayımlar ve sınırlamaların belgelenmesi

Yatırım Simülasyonu ve Geribildirim

  • Kenar/cloud yatırıma senaryolarını simüle etme
  • Geribildirimi toplayarak ve modeli iyileştirme
  • Operasyonlarla entegrasyon stratejileri

Final Proje Geliştirme

  • Takım prototiplerinin testlenmesi ve tamamlanması
  • Ortak incelemeler ve hata ayıklama
  • Projeyi sunma ve teknik özeti hazırlama

Takım Sunumları ve Sonuçlar

  • Yapay zeka çözüm kavramlarının ve sonuçların sunumu
  • Grup yansıma ve öğretilen dersler
  • Organizasyon içinde kullanım senaryolarını genişletme için rehberlik

Özeti ve Son Adımlar

Kurs İçin Gerekli Önbilgiler

  • Üretim veya endüstriyel süreçler hakkında bilgi
  • Python ve temel makine öğrenimi deneyimi
  • Düzenli ve düzensiz veri ile çalışabilme yeteneği

Hedef Kitle

  • Çok yönlü ekipler
  • Mühendisler
  • Veri bilimciler
  • IT profesyonelleri
 21 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Yaklaşan Etkinlikler

İlgili Kategoriler