Kerangka Materi

Pendahuluan dan Pemilihan Tim Use Case

  • Tinjauan AI dalam lingkungan industri
  • Kategori kasus penggunaan: kualitas, pemeliharaan, energi, logistik
  • Pembentukan tim dan penyusunan tujuan proyek

Memahami dan Mempersiapkan Data Industri

  • Jenis data industri: time-series, tabular, image, text
  • Pengumpulan, membersihkan, dan pra-pemrosesan data
  • Analisis eksplorasi data dengan Pandas dan Matplotlib

Pemilihan Model dan Prototiping

  • Memilih antara regresi, klasifikasi, klastering, atau deteksi anomali
  • Melatih dan mengevaluasi model dengan Scikit-learn
  • Menggunakan TensorFlow atau PyTorch untuk pemodelan lanjut

Memvisualisasikan dan Menyajikan Hasil

  • Membuat dashboard atau laporan yang intuitif
  • Menyajikan metrik kinerja (akurasi, presisi, recall)
  • Mendokumentasikan asumsiasi dan batasan

Simulasi Penyebaran dan Umpan Balik

  • Mensimulasikan skenario penyebaran edge/cloud
  • Mengumpulkan umpan balik dan meningkatkan model
  • Strategi untuk integrasi dengan operasi

Pengembangan Proyek Capstone

  • Menyelesaikan dan menguji prototipe tim
  • Tinjauan teman sekerja dan pembacaan kesalahan bersama
  • Mempersiapkan presentasi proyek dan ringkasan teknis

Presentasi Tim dan Penutup

  • Menyajikan konsep dan hasil solusi AI
  • Reflexi kelompok dan pelajaran yang dipelajari
  • Rencana jalan untuk menskala kasus penggunaan dalam organisasi

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang proses manufaktur atau industri
  • Pengalaman dengan Python dan machine learning dasar
  • Keterampilan untuk bekerja dengan data terstruktur dan tidak terstruktur

Peserta

  • Tim multiprofesi
  • Insinyur
  • Data scientist
  • Profesi IT
 21 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait