국제자동제어협회(International Society of Automation)에 따르면 시스템 오류로 인한 가동 중지로 인해 전 세계적으로 매년 6,470억 달러가 손실된다고 합니다. 제조, 항공, 에너지 및 기타 여러 가지 산업 부문의 기업들은 유지 관리 프로세스를 재정비하여 비용을 최소화하고 효율성을 개선하고 있습니다. 기업들은 인공 지능과 머신 러닝을 통해 예방적 유지 관리 방식을 운영에 적용하고 방대한 양의 센서 데이터를 처리함으로써 장비 고장이 발생하기도 전에 이를 감지합니다. 루틴 기반이나 시간 기반의 유지 관리에 비해 예방적 유지 관리는 문제에 사전 대처하여 큰 비용이 발생하는 가동 중단 문제를 사전에 방지할 수 있습니다.
이 워크숍에서는 시계열 데이터에서 이상 현상 및 고장을 파악하고, 해당 부품의 유효 수명을 예측하며, 고장으로 이어질 수 있는 이상 현상을 식별하는 방법을 설명합니다. AI 모델 트레이닝을 위해 시계열 데이터를 준비하고, XGBoost 앙상블 트리 모델을 개발하고, LSTM(Long Short-Term Memory) 네트워크를 사용하여 딥 러닝 모델을 구축하고, 예방적 유지 관리로 이상 현상을 감지하는 오토인코더의 제작 방법을 설명합니다. 워크숍을 마치면 AI를 활용하여 장비의 상태를 추정하고 유지 관리를 수행해야 할 때를 예측할 수 있게 됩니다.
워크숍 데이터시트 다운로드 (PDF 298 KB)
소요 시간: 8시간
가격: NVIDIA에 문의하세요
전제 조건:
전제 조건 충족을 위한 추천 자료: Python 튜토리얼, Fundamentals of Deep Learning for Computer Vision
기술: Python, TensorFlow, Keras, XGBoost, NVIDIA RAPIDS™, cuDF, LSTM, autoencoders
인증: 평가를 성공적으로 완료한 참가자는 관련 분야에 대한 역량을 인정받고 전문적 커리어 성장을 지원하는 NVIDIA DLI 인증서를 받게 됩니다.
하드웨어 요구 사항: 최신 버전의 Chrome 또는 Firefox를 실행할 수 있는 데스크톱 또는 노트북 각 참가자에게는 클라우드상에서 완전하게 구성된 GPU 가속 서버에 접근할 수 있는 전용 권한이 주어집니다.
언어: 영어
9:00 a.m.–5:00 p.m.
AI, 데이터 사이언스 또는 가속 컴퓨팅 분야의 핵심 기술을 향상하고 개발하는 데 관심이 있는 기업의 경우, NVIDIA DLI에 딥 러닝 전문가 주도 교육을 요청할 수 있습니다.
옵션