강의

멘토링

커뮤니티

Applied AI

/

AI for Work

Bắt đầu triển khai AI sản xuất mà không cần lập trình

"Phải làm DX/AX." Trong phòng họp thì luôn nghiêm túc, nhưng khi xuống hiện trường thực tế, bạn có cảm thấy bối rối không biết phải bắt đầu từ đâu, làm thế nào không? PoC thì đã làm vài lần rồi, nhưng cuối cùng không chuyển sang vận hành chính thức Giải pháp·thiết bị thì đã mua, nhưng ở hiện trường lại bị coi là công cụ rườm rà Nói nhiều về dữ liệu·hệ thống, nhưng không biết phải áp dụng như thế nào vào dây chuyền·quy trình hiện tại của mình Không có TFT·tổ chức chuyên trách riêng, nên với tư cách là người thực thi phải gánh cả công việc chính + DX/AX... Khóa học này được tạo ra chính xác cho những người như vậy.

(4.3) 3 đánh giá

18 học viên

Độ khó Nhập môn

Thời gian Không giới hạn

  • fleem826937
Generative AI
Generative AI
Generative AI
Generative AI

Bạn sẽ nhận được điều này sau khi học.

  • Màn sương về "cần phải làm gì" để triển khai AI đang dần tan biến.

  • Tôi có thể thấy đơn vị thực thi về "cách bắt đầu" với AI.

  • Bạn sẽ có được sức thuyết phục để đưa AI vào tổ chức của mình.

Câu chuyện về DX/AX sản xuất và nhà máy thông minh tràn ngập khắp nơi
nhưng khi thực sự áp dụng vào nhà máy, dây chuyền của mình thì vẫn còn mù mịt như trong sương mù.

  • "Chúng ta có đầy đủ dữ liệu" là câu nói thường nghe,
    nhưng từ góc độ AI thì hầu như không có dữ liệu nào có thể sử dụng được

  • PoC đã thử nghiệm vài lần rồi,
    nhưng hầu như không có trường hợp nào chuyển sang vận hành chính thức

  • Các công ty AI, trụ sở chính/bộ phận kế hoạch, và hiện trường
    thường nói những ngôn ngữ khác nhau dẫn đến dự án bị lệch hướng ngay từ đầu.


Khóa học này xuất phát từ thực tế đó.
Không phải là lý thuyết AI hay giáo dục lập trình, mà là khóa học giúp 'nhân viên thực tế tại hiện trường và kỹ thuật sản xuất có thể đánh giá và thiết kế dự án AI'.


Nội dung được đề cập trong khóa học này như sau.

  • Chương 1
    Cách sắp xếp "Sử dụng AI ở đâu và tại sao"
    bằng ngôn ngữ thực tế thay vì ngôn ngữ kỹ thuật

  • Chương 2
    Phân tích lại câu "Nhà máy của chúng tôi có cấu trúc không phù hợp với AI"
    từ góc độ dữ liệu và cấu trúc
    – Tổng hợp cách mà quy trình phụ thuộc con người, sự cố đột xuất, vấn đề đối tác, và dữ liệu thống kê sau sự kiện
    cản trở AI như thế nào.

  • Chương 3
    Chương nhìn lại câu nói
    "Dữ liệu thì có đầy đủ rồi" từ góc độ C·O·L (Điều kiện·Kết quả·Khóa liên kết)
    – Chỉ ra cụ thể sự khác biệt giữa dữ liệu mà AI thực sự có thể sử dụng
    và dữ liệu chỉ trông có vẻ ổn trong mắt con người.

  • Chương 4
    "Nhà máy của chúng ta, bây giờ có thể áp dụng AI không?"
    Phần kiểm tra bằng năm danh mục
    – Xem xét một cách khách quan xem đã chuẩn bị sẵn sàng
    về định nghĩa vấn đề, cấu trúc dữ liệu, thiết kế hành động, chủ thể vận hành và phạm vi thí điểm chưa.

  • Chương 5
    Không phải 'PoC làm một lần rồi thôi'
    mà là cách xây dựng hệ thống thử nghiệm AI có thể lặp lại trong nhà máy
    – Lựa chọn vấn đề ứng viên, định nghĩa giả thuyết, quy tắc KILL/GO,
    năng lực cần tích lũy nội bộ vs năng lực có thể thuê ngoài,
    và cách định nghĩa thành công dựa trên tiêu chí hành động thực tế thay vì chỉ tiêu kỹ thuật.


Khi khóa học kết thúc, học viên ít nhất có thể trả lời được những câu hỏi dưới đây.

  • "Trong nhà máy của chúng ta, lĩnh vực nào không nên áp dụng AI ngay lập tức,
    lĩnh vực nào cần chuẩn bị trước?"

  • "Với dữ liệu hiện có, vấn đề tiềm năng có thể thử nghiệm AI là gì?"

  • "Khi nhận được đề xuất dự án AI
    tiêu chí nào để phán đoán đâu là điều hợp lý và đâu là phóng đại?"


Ngay cả khi không tự viết code,
người hiểu về vấn đề·dữ liệu·hiện trường phải đứng ở trung tâm dự án AI - đây là tiền đề để tạo nên khóa học này.
Mục tiêu là giúp những người phụ trách hiện trường·công nghệ sản xuất·chất lượng·nhà máy thông minh
có được "tiêu chuẩn để tự đánh giá, không còn bị lôi kéo bởi những câu chuyện về AI/AX nữa".

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Nhân viên thực tế đang "kiêm nhiệm" công việc liên quan đến DX/AX trong lĩnh vực nhà máy/công nghệ sản xuất/chất lượng/thiết bị

  • Những người cần triển khai giải pháp tự động hóa·nhà máy thông minh nhưng chưa hình dung được bức tranh phù hợp với quy trình·dây chuyền hiện tại

  • Công ty nói về "AI, dữ liệu" nhưng thực tế hiện trường vẫn còn dựa vào Excel và giấy tờ nên cảm thấy đáng thất vọng

  • DX/AX dành cho "những người muốn bắt đầu với cấu trúc được thiết lập đúng đắn ngay từ đầu"

Xin chào
Đây là

22

Học viên

3

Đánh giá

4.3

Xếp hạng

2

Các khóa học

Với hơn 15 năm kinh nghiệm trong lĩnh vực kỹ thuật sản xuất và kỹ thuật thiết bị tại nhà máy, tôi đã đảm nhận vai trò giải quyết các vấn đề tại hiện trường thông qua dữ liệu và hệ thống. Bắt đầu từ việc điều khiển thiết bị dựa trên PC, tôi đã tích lũy năng lực cải tiến hệ thống bằng cách thấu hiểu cấu trúc quy trình/thiết bị, đồng thời phân tích luồng dữ liệu sản xuất và cấu trúc công việc.
Hiện tại, tôi đang thiết kế và triển khai các giải pháp thực tiễn nhằm kết nối dữ liệu, quy trình, hệ thống và tự động hóa trong lĩnh vực AX (AI & Chuyển đổi số) sản xuất.

www.linkedin.com/in/기호-이-3015a317b

Chương trình giảng dạy

Tất cả

5 bài giảng ∙ (51phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

3 đánh giá

4.3

3 đánh giá

  • soykms님의 프로필 이미지
    soykms

    Đánh giá 4

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    • calculator님의 프로필 이미지
      calculator

      Đánh giá 113

      Đánh giá trung bình 4.9

      5

      100% đã tham gia

      Đây là một bài giảng tốt giúp bạn suy nghĩ về những điểm cần xem xét khi muốn áp dụng AI.

      • fleem826937
        Giảng viên

        Chúng tôi sẽ tiếp tục mang đến những nội dung hữu ích cho công việc thực tế. Xin cảm ơn!

    • stonless0684님의 프로필 이미지
      stonless0684

      Đánh giá 2

      Đánh giá trung bình 4.0

      3

      100% đã tham gia

      705.360 ₫

      Khóa học khác của fleem826937

      Hãy khám phá các khóa học khác của giảng viên!

      Khóa học tương tự

      Khám phá các khóa học khác trong cùng lĩnh vực!