Programa del Curso

Introducción y Selección del Equipo Use Case

  • Visión general de la IA en entornos industriales
  • Categorías de casos de uso: calidad, mantenimiento, energía, logística
  • Formación del equipo y definición de objetivos del proyecto

Comprensión y Preparación de Datos Industriales

  • Tipos de datos industriales: series temporales, tabulares, imágenes, texto
  • Adquisición, limpieza y preprocesamiento de datos
  • Análisis exploratorio de datos con Pandas y Matplotlib

Selección y Prototipado del Modelo

  • Elegir entre regresión, clasificación, agrupación o detección de anomalías
  • Entrenamiento y evaluación de modelos con Scikit-learn
  • Uso de TensorFlow o PyTorch para modelado avanzado

Visualización e Interpretación de Resultados

  • Creación de dashboards o informes intuitivos
  • Interpretación de métricas de rendimiento (precisión, exactitud, exhaustividad)
  • Documentar suposiciones y limitaciones

Simulación de Implementación y Retroalimentación

  • Simular escenarios de implementación en borde/nube
  • Recopilar retroalimentación e mejorar modelos
  • Estrategias para integrar con operaciones

Desarrollo del Proyecto Capstone

  • Finalizar y probar prototipos de equipo
  • Revisión por pares y depuración colaborativa
  • Preparar presentación y resumen técnico del proyecto

Presentaciones del Equipo y Conclusión

  • Presentar conceptos y resultados de soluciones AI
  • Reflexión en grupo y lecciones aprendidas
  • Hoja de ruta para escalar casos de uso dentro de la organización

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los procesos manufactureros o industriales
  • Experiencia con Python y machine learning básico
  • Habilidad para trabajar con datos estructurados e inestructurados

Audience

  • Equipos multidisciplinarios
  • Ingenieros
  • Científicos de datos
  • Profesionales en TI
 21 Horas

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas