Gedaan met laden. U bevindt zich op: Van data introductie tot predictief onderhoud op afstand via AI

Van data introductie tot predictief onderhoud op afstand via AI

Opleidingsverstrekker
VOLVO GROUP BELGIUM
Registratienummer
ODB-1001452
Geregistreerd
op: 1 september 2020

Deze opleiding komt in aanmerking voor

  • Opleidingscheques
  • Vlaams opleidingsverlof

Aantal uren: 111 uur

Eindbeoordeling voorzien: nee

Blended leren: nee

Mentoropleiding: nee

Doelgroep

Technisch commercieel medewerkers.

Voorwaarden

  • Specifieke voorwaarden per opleidingsincentive

    Elke opleidingsincentive heeft zijn eigen specifieke voorwaarden om te bepalen of u recht heeft. Kijk na of u voldoet aan de voorwaarden van de opleidingsincentive waarvan u gebruik wil maken (Vlaams opleidingsverlof(opent in nieuw venster), Vlaams opleidingskrediet(opent in nieuw venster) en opleidingscheques voor werknemers(opent in nieuw venster)

  • Opleidingscheques: beperkende voorwaarde opleidingsniveau

    Deze opleiding kan u betalen met een opleidingscheque. Bent u hooggeschoold (u behaalde een graduaats-, bachelor- of masterdiploma)? Dan kan dat enkel als u een ‘attest loopbaanbegeleiding’ heeft van maximaal 6 jaar oud. In dit attest verklaart een loopbaanbegeleider dat de opleiding noodzakelijk is voor de uitvoering van uw persoonlijk ontwikkelplan (POP). In de aanvraag van de opleidingscheque wordt automatisch de opleidingscode ODB-P00001 ingevuld.

Inhoud van de opleiding

De opleiding bestaat uit 3 delen en heeft tot doel technisch commercieel medewerkers leren bewustmaken hoe om te gaan met data en op welke plaatsen ze data kunnen terugvinden, kennis verwerven over data exploratie en patronen vinden in data en tenslotte inzichten en tools geven over hoe artificiële intelligentie te gebruiken om op afstand predictief onderhoud te doen.

Deel 1: Data Introductie (39,5u)
1-De cursist maakt kennis met verschillende databronnen (oa QlikView, Microsoft SQL, ...), data modellen (oa SPSS Modeller, Python, ...) en IT-omgevingen (on-premise servers en Hadoop Servers). Deze kennis zullen ze dan kunnen gebruiken om stakeholders hun vragen te beantwoorden door het correct combineren van deze verscheidene databronnen om tot juiste conclusies en inzichten te komen om deze dan correct te communiceren.
2-Tevens onderdeel van de cursus is het leren kennen van verschillende data granulaliteiten, verscheidene types van data variabelen en inzicht in verschillende data architecturen.
3-Er wordt een grondige basis gelegd om technisch en organisatorisch in staat te zijn om data gerichte onderzoeken te plannen, succesvol uit te voeren en daarover te rapporteren.

Deel 2: Data Analyse (32u)
1-De cursist krijgt training van SQL om in staat te zijn toegang te krijgen tot en het manipuleren van de data in relationele databases.
2-Er zal een uitgebreide training volgen in Python om te leren hoe data analyses uit te voeren, data te manipuleren en transformeren, figuren en dashboards leren maken en daaruit conclusies te leren trekken.
3-Tot slot, zal de cursist aangeleerd krijgen zijn of haar bevindingen in een duidelijk communiceerbare taal om te zetten aangepast aan de stakeholder voor wie deze analyse was uitgevoerd.

Deel 3: Predictief onderhoud op afstand met behulp van Artificiële Intelligentie (39,5u)
1-De cursist leert hoe in praktijk predictief onderhoud uitgevoerd wordt: welke IT-systemen zijn er nodig, welke dashboards worden gebruikt om predictief onderhoud op te volgen, welke data is cruciaal om predictief onderhoud te kunnen uitvoeren in de transportsector, enzoverder.  
2-Deze kennis zullen de cursisten ook praktisch leren omzetten naar vaardigheden:  
Als zo een predictie is gemaakt door een artificiële intelligentie model, hoe kan ik dat dan verifiëren of deze predictie correct is (validatie en feedback)?  
Hoe evalueer ik zo een model op lange termijn (dashboarding)?  
Hoe corrigeer ik een model dat niet zo goed presteert?