close facebook google+ habr instagram linkedin arrow-right phone telegram twitter user vk youtube upload close menu-stroke search lock

Мониторинг и анализ производственных процессов: методология, технология, кейсы

003-АА
топ 50

Уникальный курс аккумулирует лучший мировой опыт построения предиктивных моделей производственных процессов. В центре внимания курса – повышение эффективности производства и качества продукции предприятия за счет анализа потоковых данных. Это курс для технологов, инженеров, специалистов по управлению качеством, разработке новых видов продукции, желающих использовать современные технологии анализа данных и data science.

Подробнее

Мониторинг и анализ производственных процессов: методология, технология, кейсы

средний

Уровень

24 ак. часа

Продолжительность
Производитель:
Направление:
Цена очного обучения:
35 000 руб.
Цена дист.анционного обучения:
31 500 руб.
  • Расписание и цены
    21 — 23 января 2019
    24 ак. часов
    Москва
    Дистанционный
    31 500 руб.
    11 — 13 февраля 2019
    24 ак. часов
    Москва
    Дистанционный
    31 500 руб.
    25 — 27 марта 2019
    24 ак. часов
    Москва
    Дистанционный
    31 500 руб.
    08 — 10 апреля 2019
    24 ак. часов
    Москва
    Дистанционный
    31 500 руб.
    20 — 22 мая 2019
    24 ак. часов
    Москва
    Дистанционный
    31 500 руб.
    Место обучения Формат Дата и время Стоимость
    Москва Дистанционный 21 — 23 января 2019 31 500 руб. скидка 10%
    Москва Очный 21 — 23 января 2019 35 000 руб.
    Москва Дистанционный 11 — 13 февраля 2019 31 500 руб. скидка 10%
    Москва Очный 11 — 13 февраля 2019 35 000 руб.
    Москва Дистанционный 25 — 27 марта 2019 31 500 руб. скидка 10%
    Москва Очный 25 — 27 марта 2019 35 000 руб.
    Москва Дистанционный 08 — 10 апреля 2019 31 500 руб. скидка 10%
    Москва Очный 08 — 10 апреля 2019 35 000 руб.
    Москва Дистанционный 20 — 22 мая 2019 31 500 руб. скидка 10%
    Москва Очный 20 — 22 мая 2019 35 000 руб.
  • О курсе

    Анализ и построение предиктивных моделей является главным трендом промышленной аналитики и экономики 4.0, позволяя использовать всю совокупность данных для повышения эффективности.

    С помощью решений беспроводной связи и IoT инженеры и технологи получают доступ к всестороннему мониторингу реальных данных, позволяющему повышать качество продукции и вносить корректировки в технологический процесс в режиме он-лайн.

    Статистические методы и технологии анализа потоковых данных работают на  оптимизацию производства, снижение доли брака, нахождению эффективных инженерных решений.

    В курсе описываются методы анализа, постановки задач, примеры реальных кейсов, дается интенсивная практика.

    Цель курса: Это курс для инженеров, технологов, специалистов по управлению качеством, разработки новых видов продукции, оптимизации производственных процессов, менеджеров, желающих внедрять в производство достижения цифровой экономики и интеллектуального анализа данных.

    Слушатель по итогам освоения программы будет уметь:

    • использовать инструменты анализа данных для решения задач текущего и предиктивного мониторинга процессов,
    • строить модели и оценивать точность моделей,
    • сохранять предсказательные модели в различных форматах, включая язык разметки прогнозного моделирования PMML (Predictive Model Markup Language), C, Java,
    • корректировать точность моделей на основе новых данных,
    • использовать алгоритм xgboost в задачах классификации и регрессии,
    • использовать классические регрессионные модели,
    • проводить анализ остатков и диагностику регрессионных моделей,
    • интерпретировать и сравнивать модели,
    • проводить кросс-проверку моделей,

    знать:

    • примеры применения моделей машинного обучения и предиктивного моделирования для мониторинга и оптимизации процессов,
    • основные модели дейта майнига,
    • основы регрессионного анализа,
    • форматы сохранения моделей и способы их развертывания на реальных данных.

    Форма контроля: правильность выполнения упражнений на практических занятиях.

    По итогам слушателям выдается сертификат Учебного центра Softline с сертификат Академии Анализа Данных.

  • Программа курса

    Модуль 1. Обзор методов мониторинга и анализа промышленных данных.

    • Назначение предсказательных моделей, модели регрессии и классификации.
    • Обзор методов построения предсказательных моделей.
    • Разделение переменных на предикторы и отклики, выборка и ее размер, учет факторов, влияющих на отклик.

    Модуль 2. ETL – извлечение, преобразование, загрузка данных.

    • Этапы ETL.
    • Загрузка данных из источников.
    • Фильтрация, исправление ошибок.
    • Агрегация, выгрузка в хранилище.

     

    Модуль 3. Поиск, чистка, исправление ошибок в данных, удаление выбросов.

    • Критерии обнаружения выбросов.
    • Фильтрация, удаление реплик.
    • Обработка пропущенных данных.

    Модуль 4. Описательный анализ данных, группировка.

    • Вычисление и интерпретация основных описательных статистик.
    • Построение доверительных интервалов.
    • Построение диаграмм размаха с разными настройками.
    • Вычисление и интерпретация основных описательных статистик для групп данных.

    Модуль 5. Визуальный анализ данных.

    • Обзор нейронных сетей.
    • Этапы построения нейронных сетей.
    • Оценка адекватности моделей.
    • Примеры применения.

    Модуль 6. Корреляционный анализ.

    • Вычисление парных корреляций Пирсона.
    • Вычисление корреляционных матриц.
    • Вычисление и интерпретация частных корреляций.
    • Вычисление ранговых корреляций.

    Модуль 7. Дисперсионный анализ данных.

    • Обзор методов дисперсионного анализа.
    • Двухфакторный дисперсионный анализ.
    • Многофакторный дисперсионный анализ.
    • Главные эффекты, взаимодействия.

    Модуль 8. Регрессионный анализ.

    • Обзор методов.
    • Применение моделей регрессии.
    • Парная и множественная регрессия.

    Модуль 9. Факторный анализ.

    • Обзор методов факторного анализа.
    • Метод главных компонент.
    • Вращение факторов, интерпретация модели.

    Модуль 10. Методы дейта майнинга построения предиктивных моделей.

    • Обзор методов.
    • Деревья регрессии.
    • Интерактивные деревья.
    • Адаптивные сплайны.

    Модуль 11. Методы дейта майнинга построения моделей классификации.

    • Обзор методов.
    • Построение деревьев классификации.
    • Применение моделей классификации.

    Модуль 12. Методы нейронных сетей построения предсказательных.

    • Обзор нейронных сетей.
    • Применение нейронных сетей.
    • Применение моделей классификации.
    • Применение моделей регрессии.

    Модуль 13. Методы предиктивного моделирования на R, Python, Azure.

    • Обзор методов R.
    • Обзор методов Python.
    • Обзор методов Azure.

    Модуль 14. Планирование промышленных экспериментов.

    • Обзор методов.
    • Двухуровневые планы, построение плана, анализ.
    • Трехуровневые планы, построение плана, анализ.

    Модуль 15. Кейсы промышленного анализа данных.

    • Обзор кейсов.
    • Промышленные кейсы.
  • Отзывы
    Отзывов нет.
    Чтобы оставить отзыв, необходимо войти
Связаться с менеджером

Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных. Мы, ЗАО «СофтЛайн Интернейшнл» и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных».

Заявка

Формат, место и дата проведения обучения согласовываются индивидуально.

Оставьте запрос на обучение, заполнив форму ниже. Менеджер Учебного центра свяжется с вами для согласования времени и места проведения курса.

Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных. Мы, ЗАО «СофтЛайн Интернейшнл» и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных».