Hands-on Workshop: Implementing AI Use Cases with Industrial Data

• 对制造或工业流程的理解
• 具备Python和基础机器学习的经验
• 能够处理结构化和非结构化数据

受众

• 跨职能团队
• 工程师
• 数据科学家
• IT专业人员

AI Use Case 实施是一个以专案为驱动的实践方法，旨在应用机器学习、电脑视觉和数据分析，使用实际或模拟的数据集来解决现实世界的工业挑战。

这项由讲师指导的培训（线上或线下）面向中级水平的跨职能团队，他们希望协作实施与其运营目标一致的AI用例，并获得处理工业数据管道的经验。

在培训结束时，参与者将能够：

• 从运营、质量或维护中选择并界定实际的AI用例。
• 跨角色协作开发机器学习解决方案。
• 处理、清理和分析多样化的工业数据集。
• 基于选定的用例，展示一个可运行的AI解决方案原型。

课程形式

• 互动式讲座与讨论。
• 小组练习与专案工作。
• 在实时实验室环境中进行实践操作。

课程定制选项

• 如需为此课程定制培训，请联系我们安排。

介绍与团队Use Case选择

• 工业环境中AI的概述
• 用例类别：质量、维护、能源、物流
• 团队组建与项目目标界定

理解与准备工业数据

• 工业数据类型：时间序列、表格、图像、文本
• 数据获取、清洗与预处理
• 使用Pandas和Matplotlib进行探索性数据分析

模型选择与原型设计

• 在回归、分类、聚类或异常检测之间选择
• 使用Scikit-learn训练与评估模型
• 使用TensorFlow或PyTorch进行高级建模

结果可视化与解释

• 创建直观的仪表板或报告
• 解释性能指标（准确率、精确率、召回率）
• 记录假设与局限性

部署模拟与反馈

• 模拟边缘/云部署场景
• 收集反馈并改进模型
• 与运营集成的策略

毕业项目开发

• 最终确定与测试团队原型
• 同行评审与协作调试
• 准备项目演示与技术总结

团队演示与总结

• 演示AI解决方案概念与成果
• 小组反思与经验总结
• 组织内扩展用例的路线图

总结与下一步