コース概要

導入とチームユースケース選定

  • 工業環境におけるAIの概要
  • ユースケースのカテゴリー:品質、メンテナンス、エネルギー、物流
  • チーム編成とプロジェクト目標の範囲設定

工業データの理解と準備

  • 工業データの種類:時系列、テーブル、画像、テキスト
  • データ取得、クリーニング、前処理
  • PandasとMatplotlibを使用したエクスプロラトリー・データ分析

モデル選定とプロトタイピング

  • 回帰、分類、クラスタリング、異常検知の選択
  • Scikit-learnを使用したモデルの訓練と評価
  • TensorFlowまたはPyTorchを使用した高度なモデリング

結果の可視化と解釈

  • 直感的なダッシュボードやレポート作成
  • 性能指標(精度、適合率、再現率)の解釈
  • 仮定と制限のドキュメント化

デプロイシミュレーションとフィードバック

  • エッジ/クラウドデプロイスシナリオのシミュレーション
  • フィードバック収集とモデル改善
  • 操作との統合戦略

キャップストーンプロジェクト開発

  • チームプロトタイプの最終化とテスト
  • ピアレビューと協力的なデバッグ
  • プロジェクトプレゼンテーションと技術的サマリーの準備

チームプレゼンテーションとまとめ

  • AIソリューションコンセプトと結果の提示
  • グループでの反省と学んだこと
  • 組織内でのユースケース拡大のロードマップ

まとめと次ステップ

要求

  • 製造または工業プロセスに関する理解
  • Pythonと基本的な機械学習の経験
  • 構造化データと非構造化データの扱い方

対象者

  • クロスファンクショナルチーム
  • エンジニア
  • データサイエンティスト
  • ITプロフェッショナル
 21 時間

参加者の人数


参加者1人当たりの料金

今後のコース

関連カテゴリー