Inteligência Artificial para a Indústria 4.0

Descrição do curso

Este curso oferece uma introdução prática ao uso de Machine Learning (ML) na Indústria 4.0, com foco na utilização do H2O AutoML, uma ferramenta poderosa e gratuita para automação de modelos preditivos. Os participantes aprenderão a preparar dados, treinar modelos, interpretar resultados e aplicar soluções em cenários reais da indústria. Ideal para profissionais e estudantes que desejam impulsionar a transformação digital com técnicas avançadas de ML.

Objetivos Gerais

Compreender os conceitos de Machine Learning e sua aplicação na Indústria 4.0;
Conhecer o H2O AutoML como ferramenta prática e acessível;
Desenvolver habilidades de preparação e engenharia de dados;
Capacitar para a criação e avaliação de modelos de Machine Learning;
Promover a aplicação prática em cenários reais.

Objetivos Específicos

Reconhecer os principais desafios e oportunidades de Machine Learning na Indústria 4.0, compreendendo sua relevância em áreas como manutenção preditiva, controlo da qualidade e otimização de processos;
Instalar e configurar o ambiente de trabalho com o H2O AutoML, incluindo o uso de bibliotecas e dependências necessárias para executar projetos de Machine Learning;
Realizar o pré-processamento de dados industriais, lidando com dados ausentes, outliers e inconsistências, além de normalizar e transformar variáveis para modelação;
Aplicar técnicas de engenharia de atributos, como criação de variáveis relevantes e seleção de recursos, para melhorar o desempenho dos modelos preditivos;
Configurar e executar tarefas automatizadas de Machine Learning no H2O AutoML, explorando diferentes configurações de parâmetros e interpretando os modelos gerados;
Analisar as métricas de desempenho dos modelos preditivos, como MAE, MSE, entre outros, para selecionar o melhor modelo para problemas específicos;
Aplicar validação cruzada e outras técnicas de validação, garantindo a confiabilidade dos modelos treinados;
Resolver casos de uso industriais práticos, como a previsão de falhas em equipamentos ou a otimização de processos produtivos, usando o H2O AutoML;
Preparar para a implementação de soluções de Machine Learning na prática, abordando boas práticas e desafios comuns na aplicação em ambientes industriais reais.

Destinatários

Profissionais de TI e desenvolvedores de software: Engenheiros de software, desenvolvedores de aplicativos e outros profissionais de TI interessados em expandir suas habilidades para incluir Machine Learning em seus projetos ou aplicativos;
Profissionais de negócios e tomadores de decisão: Gerentes de produto, analistas de negócios e outros profissionais que desejam entender os conceitos básicos de Machine Learning para tomar decisões informadas e estratégicas baseadas em dados.

Programa

Módulo 1: Introdução a Machine Learning na Indústria 4.0

Fundamentos da Indústria 4.0 e de Machine Learning.
Casos de uso na indústria: previsão de falhas, otimização de processos, análise de eficiência.
Introdução à H2O.ai e ao H2O AutoML.

Módulo 2: Fundamentos do H2O AutoML e Configuração do Ambiente

Instalação e configuração do H2O AutoML. Visão geral da interface e funcionalidades.
Preparação dos dados para o AutoML.

Módulo 3: Preparação e Engenharia de Dados para Modelação

Limpeza de dados, tratamento de valores nulos e afins.
Engenharia de atributos e transformação de variáveis.
Seleção de atributos mais relevantes para modelos.

Módulo 4: Construção e Treinamento de Modelos com H2O AutoML

Execução de uma tarefa de AutoML: configuração dos parâmetros e escolha das métricas. Análise dos modelos gerados e interpretação dos resultados. Seleção do melhor modelo com base em métricas de desempenho.

Módulo 5: Interpretação e Validação de Modelos

Ferramentas de interpretação de modelos no H2O AutoML.
Métricas de avaliação de desempenho e como aplicá-las na indústria. Validação cruzada e técnicas de validação para garantir robustez do modelo.

Módulo 6: Conclusão e Aplicação Prática

Demonstração de um caso de uso prático. Discussão de desafios e considerações ao implementar AutoML na Indústria 4.0.
Feedback e próximos passos para aprofundamento.