Dành cho các kỹ sư băn khoăn không biết có nên tin vào phân tích AI hay không, chúng tôi thực hành việc kiểm chứng và quan sát dựa trên kinh nghiệm thực tế tại hiện trường sản xuất và chất lượng.
1 học viên đang tham gia khóa học này
Độ khó Trung cấp trở lên
Thời gian Không giới hạn
Kiểm tra từng bước các kết quả phân tích do AI tạo ra bằng phép kiểm tra bất biến và thang kiểm chứng
Diễn giải hiệu năng mô hình bằng cách liên kết độ chính xác, độ thu hồi, ROC-AUC với biểu đồ kiểm soát, năng lực quy trình và MSA
Quan sát dữ liệu, mô hình và kết quả triển khai; chẩn đoán các dấu hiệu bất thường, hiện tượng drift và suy giảm hiệu năng
Đánh giá tính khả thi triển khai và hiệu quả đầu tư của các trường hợp bảo trì dự đoán, kiểm tra bằng thị giác máy và dự đoán tỷ lệ đạt chuẩn
Thiết kế và phân tích các câu hỏi cùng prompt có thể kiểm chứng, đồng thời giải thích cơ sở phân tích trong báo cáo thực tế.
Thực hiện theo từng bước từ thống kê cơ bản đến phân tích chất lượng ở trình độ trung cấp và thực hành vận hành AI.
Khóa học dạng văn bản dành cho kỹ sư, giúp nhận biết các con số do AI đưa ra, yêu cầu AI thực hiện chính xác và giải thích được kết luận đó
Cấu trúc: 8 phần, 25 bài học, 80 câu bài tập, 4 notebook thực hành, 1 cuốn PDF cẩm nang
Kỹ sư sử dụng các phân tích và báo cáo do AI tạo ra trong công việc, cần tiêu chí để tự kiểm tra xem các con số có chính xác hay không.
Nhân sự thực tiễn dữ liệu muốn biết cần hỏi lại điều gì khi nhận được báo cáo có độ chính xác 99%
Nhân viên phụ trách chất lượng và quy trình muốn hệ thống hóa lại biểu đồ kiểm soát, năng lực quy trình và phân tích hệ thống đo lường bằng cách kết nối chúng với kết quả phân tích của AI.
Nội dung phần
1. Nguyên lý của AI và LLM, sử dụng an toàn: token·context·temperature·ảo giác, RAG và tinh chỉnh, rò rỉ thông tin và prompt injection
2. Xác minh kết quả AI và thiết kế chỉ dẫn phối hợp, các dạng ảo giác và thang kiểm chứng, kiểm tra bất biến và cấu trúc báo cáo
3. Xác suất và thống kê: trực giác về phân phối chuẩn, sai số chuẩn và giá trị p, tỷ lệ cơ sở và nghịch lý Simpson
4. Chỉ số đánh giá máy học và thiết kế kiểm chứng hiện tượng quá khớp, recall·precision·F1·MCC, các chỉ số hồi quy và dữ liệu mất cân bằng
5. Chất lượng dữ liệu và rò rỉ: danh sách kiểm tra dữ liệu, năm loại rò rỉ và nguyên tắc phân chia, drift và PSI
6. SPC và năng lực quy trình: biểu đồ kiểm soát và quy tắc phán định bất thường, sự khác biệt giữa giới hạn kiểm soát và giới hạn quy cách, Cp·Cpk và mức sigma
7. Phân tích hệ thống đo lường (MSA): độ chệch·tính tuyến tính·độ ổn định, %GRR và ndc của Gage R&R, hệ số kappa
8. Các trường hợp AI trong hiện trường sản xuất: bảo trì dự đoán, kiểm tra bằng thị giác máy tính, đo lường ảo, mô hình tỷ lệ đạt và danh sách kiểm tra triển khai AI
25 ghi chú bài học (có thể đọc ngay trong lớp), 25 file PDF tài liệu học tập đính kèm mỗi buổi học, và một file PDF tổng hợp 25 bài học
PDF cẩm nang 『Cẩm nang thực hành AI và dữ liệu dành cho kỹ sư』 gồm 48 trang
Bộ đề gồm 80 câu bài tập theo từng phần và PDF đáp án & giải thích.
Đề thi thử trực tuyến theo từng phần: Làm 10 câu bài tập trên web và ngay lập tức xem điểm cùng phần giải thích. Trong quá trình làm bài, có thể đặt câu hỏi cho trợ lý AI tối đa 3 lần cho mỗi lượt thi.
4 notebook thực hành (biểu đồ kiểm soát, Cp·Cpk, Gage R&R, các chỉ số phân loại không cân bằng). Tải xuống từ notebooks.zip trong tài liệu khóa học.
Khóa học này dành cho ai?
Kỹ sư sản xuất và chất lượng cần xem xét các lỗi và kết luận bị phóng đại trong báo cáo phân tích AI
Chuyên viên dữ liệu muốn kết nối biểu đồ kiểm soát, năng lực quá trình và MSA với việc đánh giá mô hình máy học
Nhân sự phụ trách vận hành AI và dữ liệu cần phát hiện sớm tình trạng suy giảm hiệu suất mô hình và trôi dạt dữ liệu
Các quản lý quy trình và lãnh đạo kỹ thuật đang xem xét triển khai bảo trì dự đoán, kiểm tra bằng thị giác máy tính và dự đoán tỷ lệ đạt.
Người học mới bắt đầu đến sơ trung cấp muốn học một cách có hệ thống từ những kiến thức cơ bản về thống kê và học máy cho đến ứng dụng thực tế.
Cần biết trước khi bắt đầu?
Hiểu khái niệm thống kê cơ bản (trung bình, độ lệch chuẩn)
Kinh nghiệm xử lý dữ liệu bằng Excel hoặc bảng tính
Kinh nghiệm thực tế trong lĩnh vực sản xuất, chất lượng hoặc phân tích dữ liệu
Xác minh sự nghiệp
Ban ngày là kỹ sư nghiên cứu.
Ban đêm là các công cụ dành cho AI coding agent, bản địa hóa game tiếng Hàn và homelab.
Tất cả
38 bài giảng
Tài liệu khóa học:
Khám phá các khóa học khác trong cùng lĩnh vực!
Ưu đãi có thời hạn
39 ₫
50%
2.049.569 ₫
