根據國際自動化協會（International Society of Automation）的統計，全球每年會因機器故障而導致的停機時間損失高達 6,470 億美元。製造業、航太、能源等產業領域的組織為了將成本降至最低並提升效率，正在全面改革維護流程。有了人工智慧和機器學習，組織可以將預測性維護應用於營運，並處理大量的感測器資料，在設備故障發生前就先偵測到異常狀況。與例行性或時基性的預防性維護相比，預測性維護能夠在問題發生前進行，並且能夠為企業省下昂貴的停機時間成本。
在本實作坊中，你將學習如何辨識時間序列資料中的異常和故障狀況、預估對應零件的剩餘使用年限，並將異常狀況與故障條件互相對應。你將學習如何為人工智慧模型訓練準備時間序列資料、開發 XGBoost 集成樹模型、使用長短期記憶體（LSTM）網路建立深度學習模型，以及建立可偵測異常狀況以進行預測性維護的自動編碼器。在實作坊結束時，你將能夠使用人工智慧預測設備狀況，並預估執行維護的時間。
下載實作坊大綱與簡介 (PDF 298 KB)
時間：8 小時
價格：如需瞭解價格，請聯絡我們。
必備基礎能力：
為了達到必備基礎能力的建議資源：Python 教學、電腦視覺適用的深度學習基本原理
技術：Python、TensorFlow、Keras、XGBoost、NVIDIA RAPIDS™、cuDF、LSTM、自動編碼器
認證證書：完成測驗後，參與者將會收到 NVIDIA DLI 認證證書，證明他們具有相關主題的能力，支援其專業職涯成長。
硬體需求：可運作最新版本 Chrome 或 Firefox 的桌上型電腦或筆記型電腦。每位參與者都能在雲端上使用專屬且全面設定完成的 GPU 加速伺服器。
教材語言：英文
9:00 a.m.–5:00 p.m.
若貴組織希望為員工提升 AI、加速運算、加速資料科學等的關鍵開發技能，歡迎申請由講師帶領的 NVIDIA DLI 實作坊。
NVIDIA 隱私權政策