Adatok a gyártósoron – Python és az IPAR 4.0
4 nap alatt azonnal hasznosítható gyakorlati tudás,
saját valós esetek feldolgozása!
Gyártásoptimalizálás és mindaz, ami ezt megalapozza:
adatelemzés gépi tanulás Python workshop
Céljaink
gyakorlati tudás, saját valós esetek feldolgozása
Egy olyan képzést hívtunk életre amely keretében a résztvevők: műhelyvezetők, lean mérnökök, informatikusok, rendszerfejlesztők a saját aktuális gyártásoptimalizáláshoz kapcsolódó kihívásaikra kaphatnak megoldásokat az adatelemzés segítségével.
Adatelemzés elmélet és gyakorlat + gyártásoptimalizálás elmélet és gyakorlat + esettanulmány + házi feladatok és megoldások, saját esetek vagy adott példák egyéni és csoportos feldolgozása
4 nap alatt egy azonnal a gyakorlatban alkalmazható elemzési és optimalizálási szemléletet, tudást, sok példát adunk át, mert úgy látjuk a gyártós cégeket leginkább ezzel a szemlélettel tudják a fejlesztők támogatni a sikeres IPAR 4.0-ás projektekben !
Tematika
elmélet + gyakorlat + esettanulmányok + házi feladatok
1. nap: Az adatok ereje és a Python nyelv alapjai
Az adatok erejének bemutatásával és az üzleti adatelemzés hátterével kezdünk, majd arra fókuszálunk, hogyan kapcsolódik ez a gyártás illetve az ipari folyamatok világába. Az üzleti intelligencia 7 lépcsőjén keresztül áttekintjük, milyen lépések mentén lehet elmélyülni ebben a folyamatban. A nap második felében egy adatelemzési nyelv, a Python alapjaival ismerkedünk. Az bemutató előadások után a résztvevők saját gépeiken mélyülnek el a python alapozás részleteiben (alap szintaktika, elemi változók, listák, indexelés, vezérlési szerkezetek, függvények, csomagok). Pythont az alapoktól vesszük át, alapszintű Excel ismeretekre támaszkodunk a bevezető során.
Az előadásokat és Python workshopot Gáspár Csaba (dmlab) vezeti. A napot egy aktuális jó gyakorlat ismertetésével zárjuk, Ott Károly (MOL) tart előadást arról, hogy milyen Big Data megoldások születtek a MOL Dunai Finomítójában.
2. nap: Gépi tanulás alapfeladatai a gyártási folyamatokban
Ezen a napon gépi tanulási alapfeladatok áttekintésével kezdünk, ezt követően a táblázatos adatok kezelése következik Python környezetben (Pandas,- Dataframe, leválogatás, új oszlop) melyeket a gépi tanulási feladatokhoz kapcsoljuk. A gyártási, ipari folyamatokban megjelenő alapfeladatok megoldásával folytatjuk, melyeket ki is próbálunk miközben további Python technikákat sajátítunk el (Pandas – Join, aggregate, sort, pivot) A nap során szintén előadásokkal kezdünk, majd az új ismereteket workshopon a gyakorlatban is elmélyítjük.
Az előadásokat és workshopot Gáspár Csaba (dmlab) vezeti.
3. nap: Selejtelőrejelzés, események okainak feltárása
Ezen a napon a Python környezetben gépi tanulási feladatokat oldunk meg valós adatokon, fókuszunkban a selejtelőrejelzési feladat megoldása lesz. Később foglalkozunk idősoros, tranzakciós adatok kezelésével, a helyes mintavételezéssel. A nap folyamán a gyakorlat kerül előtérbe, de azért lesz előadás is, az új ismeretek elméleti hátterének megalapozásához.
Az előadásokat és workshopot Gáspár Csaba (dmlab) vezeti.
4. nap: Gyártásoptimalizálás avagy a bizonytalanságok kezelése az idő | kapacitás | készlet bűvöletében
Képzésünk a gyártásoptimalizálással válik igazán teljessé, hiszen a fő cél az adatok gyűjtésével és elemzésével a döntéshozók támogatása abban, hogy hogyan tegyék költséghatékonyabbá, eredményesebbé a gyártást. Sorra vesszük, hogy a gyártás során melyek azok a tényezők, melyek optimalizálásával elérhetjük a kívánt célt, tehát milyen adatokat érdemes gyűjtenünk és elemeznünk egymáshoz viszonyítva. Az elméleti alapozást természetesen ezen a napon is valós gyártós példák követik a gyakorlatban.
A napot Dr. Lelkes Zoltán (ICG, Optasoft) vezeti.
Tervezett időpontok
Csütörtöki napokon
2019. Szeptember 19, 26; Október 3, 14
A képzési alkalmak két blokkban kerülnek megvalósításra:
10 – 12 óra
12 – 13 óra
13 – 16 óra
I. blokk (egy kávészünettel)
Ebéd
II. blokk (egy kávészünettel)
Oktatóink
Gáspár Csaba - Dmlab
témavezető, üzleti adatelemzés, Python
Gáspár Csaba a BME oktatója, az adatelemzéssel és adatbányászattal foglalkozóDmlab vezetője, számos sikeres bigdata projekt megvalósítója. Tapasztalatait, tudását szakmai blogján,azadatbanyaszat.blog.hu oldalon is megosztja. Ipari projektjei révén jártasságot szerzett az Ipar 4.0 alapját képező adatvagyon megfelelő kezelésében. Otthonosan mozoga gépi tanulási eljárások, a Python, R illetve RapidMiner alapú technológiákban.
Dr. Lelkes Zoltán - ICG, Optasoft
gyártásoptimalizálás
Dr. Lelkes Zoltán vegyészmérnök, matematikus, PhD-ját az INSA de Lyon Egyetemen védte meg.Több, mint 15 éve dolgozikvállalkozások és szervezetek működés optimalizálásán, tervező alkalmazások fejlesztésén, elsősorban a termelés, logisztika, erőforrás és útvonal optimalizálás területén. Nagy tapasztalata van projektvezetésben, komplex feladatok modellezésében egyaránt.
Ott Károly - MOL
Big data megoldások a Dunai Finomítóban
Ott Károly a Mol csoport innovációs menedzsereként olyan új IT technológiák üzleti alkalmazásait kutatja, mint aAR/VR, IoT/IIoT, Blockchain. Jártas az adattárházak építésében, üzleti folyamatok adattudományi elemzésében, illetőleg az adatrögzítés, adatkezelés, adatelemzés és adatmegjelenítés technológiáinak ismeretében. Diplomáit az ELTE matematika és szoftverfejlesztő szakán és a Közgazdasági egyetemen szerezte.
Jelentkezés
Maximális létszám: 14 fő. A képzés díja: 290.000.- Ft + áfa/fő
Jelentkezési határidő: 2019. szeptember 15. vasárnap éjfél
A képzés helyszíne: MOHA Ház 1143 Budapest, Gizella út 42-44.
Kapcsolat
– Minden jog fenntartva 2019 –