Taller práctico: Implementación de casos de uso de IA con datos industriales

Introducción y selección del caso de uso del equipo

• Visión general de la IA en entornos industriales.
• Categorías de casos de uso: calidad, mantenimiento, energía, logística.
• Formación de equipos y delimitación de los objetivos del proyecto.

Comprensión y preparación de datos industriales

• Tipos de datos industriales: series temporales, tabulares, imagen, texto.
• Adquisición, limpieza y preprocesamiento de datos.
• Análisis exploratorio de datos con Pandas y Matplotlib.

Selección de modelos y prototipado

• Selección entre regresión, clasificación, agrupamiento o detección de anomalías.
• Entrenamiento y evaluación de modelos con Scikit-learn.
• Uso de TensorFlow o PyTorch para modelado avanzado.

Visualización e interpretación de resultados

• Creación de tableros de control (dashboards) o informes intuitivos.
• Interpretación de métricas de rendimiento (exactitud, precisión, recuperación).
• Documentación de suposiciones y limitaciones.

Simulación de despliegue y retroalimentación

• Simulación de escenarios de despliegue en el borde (edge) y en la nube.
• Recopilación de retroalimentación y mejora de modelos.
• Estrategias para la integración con las operaciones.

Desarrollo del proyecto final (Capstone)

• Finalización y prueba de los prototipos del equipo.
• Revisión entre pares y depuración colaborativa.
• Preparación de la presentación del proyecto y el resumen técnico.

Presentaciones de equipo y cierre

• Presentación de conceptos y resultados de las soluciones de IA.
• Reflexión grupal y lecciones aprendidas.
• Hoja de ruta para escalar los casos de uso dentro de la organización.

Resumen y próximos pasos