Искусственный интеллект для производственных предприятий: от генеративных моделей до предиктивной аналитики

Курсы повышения квалификации

Код 67165 Распечатать

Искусственный интеллект для производственных предприятий: от генеративных моделей до предиктивной аналитики

01 - 05 марта 2027

32 часа

Форма обучения: Очная

01 - 05 марта 2027

Показать другие даты

2027: 24 мая — 28 мая
16 августа — 20 августа
25 октября — 29 октября

44 000 руб.

Подать заявку

АНОНС МЕРОПРИЯТИЯ

: Целевая аудитория курса: Руководители и ведущие специалисты предприятий, руководители в сфере информационных технологий, директора и специалисты по цифровым технологиям и развитию, по оптимизации бизнес-процессов и маркетингу

: Регистрация: 01 марта 2027 в 09:00

: Форма обучения: Очная

: Количество часов: 32 часа

Выдаваемые документы:

Удостоверение о повышении квалификации

ПОДРОБНАЯ ИНФОРМАЦИЯ

Программа

Введение в искусственный интеллект для производственных предприятий.

Что такое ИИ: основные понятия, направления, терминология (без сложных формул).
Роль ИИ в цифровой трансформации промышленности: от автоматизации к интеллектуальным системам.
Обзор производственных задач, решаемых с помощью ИИ: контроль качества, прогнозирование отказов, оптимизация логистики, генерация документации, управление запасами.
Мифы и реальность: возможности и ограничения современных ИИ-систем. Этика и безопасность при внедрении.

Машинное обучение без формул: как алгоритмы учатся на данных.

Основные парадигмы: обучение с учителем, без учителя, с подкреплением – интуитивное объяснение.
Примеры на производстве: классификация дефектов, кластеризация типов поломок, рекомендация режимов работы станков.
Понятие признаков, модели, переобучения. Как оценить качество модели, не углубляясь в математику.
Демонстрация простого прогнозирования с использованием готовых библиотек (без кода).

Генеративный искусственный интеллект и большие языковые модели (LLM).

Что такое генеративный ИИ: от автодополнения текста до создания инструкций.
Устройство больших языковых моделей (LLM) на пальцах: трансформеры, внимание, предобучение.
Практические применения на производстве: генерация технической документации, написание регламентов, ответы на запросы персонала.
Обзор моделей: GPT, LLaMA (ALAMA), Mistral и др. Возможность локального развертывания для предприятий.

Технология RAG (Retrieval-Augmented Generation) – умная работа с корпоративными знаниями.

Проблема «галлюцинаций» LLM и как RAG её решает.
Как работает RAG: поиск релевантных фрагментов в базе знаний (стандарты, чертежи, инструкции) + генерация ответа.
Построение корпоративного RAG-сервиса: векторизация документов, чанкинг, embedding-модели.
Кейсы: быстрый поиск по ГОСТам, ЕСКД, технологическим картам; помощник технолога и нормоконтролёра.

Мультиагентные системы (MAS) для координации производственных процессов.

Понятие агента и мультиагентной системы: децентрализованное управление.
Примеры производственных задач: диспетчеризация цеха, перепланировка маршрутов при авариях, балансировка загрузки оборудования.
Архитектура взаимодействия агентов: координация, кооперация, переговоры (без формул).
Интеграция MAS с LLM-агентами: интеллектуальные помощники для принятия решений.

Машинное зрение на производстве: как камеры и ИИ видят дефекты.

Основы компьютерного зрения: от пикселей до распознавания объектов.
Типовые задачи: обнаружение дефектов поверхности, контроль геометрии, чтение маркировки, безопасность персонала.
Как работают свёрточные нейронные сети (интуитивное объяснение) и предобученные модели.
Практические примеры внедрения: оптическая инспекция печатных плат, сварных швов, литья. Оборудование и освещение.

Промышленный Интернет вещей (IIoT): сбор данных и интеграция с ИИ.

Архитектура IIoT: датчики, контроллеры, шлюзы, облачные и пограничные платформы.
Какие данные собираются: вибрация, температура, ток, давление, акустическая эмиссия.
Проблемы передачи, хранения и предобработки временных рядов.
Интеграция IIoT с моделями ИИ – примеры: прогнозирование ресурса режущего инструмента, контроль потребления энергии.

Predictive Maintenance (предиктивная аналитика) – предсказание отказов оборудования.

От реактивного и планово-предупредительного обслуживания к предиктивному.
Типовой конвейер: сбор данных (IIoT) → выделение признаков → построение модели → выдача предупреждений.
Модели прогнозирования: регрессия остаточного ресурса, классификация состояния, детекция аномалий.
Экономический эффект: снижение простоев, сокращение запасов запчастей, продление срока службы. Примеры из реальной промышленности.

Интегрированные кейсы: генеративный ИИ + машинное зрение + IoT + предиктивная аналитика.

Сборный пример: система контроля качества на конвейере (машинное зрение) + прогнозирование отказов (IIoT + ML) + генерация отчётов через LLM/RAG.
Использование мультиагентного подхода для автономной перестройки производственной линии при обнаружении дефектов.
Реальные отечественные и зарубежные внедрения: опыт автопрома, авиастроения, металлургии.

Дорожная карта внедрения ИИ на производственном предприятии.

Оценка готовности: зрелость данных, квалификация персонала, ИТ-инфраструктура.
Выбор пилотного проекта: критерии успеха, ROI, сроки.
Риски и как их минимизировать: качество данных, сопротивление персонала, безопасность.
Юридические аспекты: интеллектуальная собственность на модели, ответственность за решения ИИ.
Рекомендации по обучению команды и работе с вендорами. Формирование стратегии ИИ на 2–3 года.

Преподаватели

Занятия проводят высококвалифицированные специалисты
В подготовке программ и проведении обучения принимают участие профессорско-преподавательский состав учебных заведений, руководители и специалисты государственных и муниципальных структур, специалисты-практики предприятий и организаций Санкт-Петербурга, Москвы и других городов России.

Требования к образованию

Наличие среднего профессионального или высшего образования

Документы об иностранном образовании и (или) иностранной квалификации, признаваемых в Российской Федерации, должны быть в установленном законодательством Российской Федерации порядке переведены на русский язык (ФЗ от 29.12.2012 N 273-ФЗ (ред. от 07.03.2018) «Об образовании в Российской Федерации» Статья 107. п.13. \ Свидетельствование верности перевода производится нотариусом в соответствии с ст.81 "Основы законодательства Российской Федерации о нотариате" (утв. ВС РФ 11.02.1993 N 4462-1))

ДЛЯ УЧАСТНИКОВ

Все слушатели обеспечиваются комплектом информационно-справочных материалов.
Бронирование гостиницы: Для бронирования гостиницы в Санкт-Петербурге просим Вас подать заявку по телефонам:
тел.: (812) 380-68-12 (многоканальный)
тел./факс: (812) 380-68-16
с 9:00 до 18:00 кроме субботы и воскресенья (время московское)
Место проведения: Учебный центр "ИОЦ "Северная столица", Санкт-Петербург, Лермонтовский пр., д. 7А

Руководитель мероприятия

Смирнова Ирина Владимировна

Задать вопрос

01 - 05 марта 2027

Показать другие даты

2027: 24 мая — 28 мая
16 августа — 20 августа
25 октября — 29 октября

44 000 руб.

Подать заявку

Руководитель мероприятия

Смирнова Ирина Владимировна

Выражаю согласие на обработку персональных данных