Concevoir un système de vision pour l'inspection qualité de tôles embouties
Aperçu
En quoi consiste ce défi.
Concevez une architecture de vision pour l'inspection qualité de tôles embouties et obtenez un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Concevoir l'architecture d'un système de vision par ordinateur capable de détecter et localiser les défauts de tôlerie en sortie de presse, sans dégrader la cadence de production ni dépasser le budget de calcul embarqué disponible.
Earning criteria — what you'll demonstrate
- Choisir une architecture de CNN (réseau de neurones convolutif) adaptée à un cas d'usage d'inspection industrielle sous contrainte de cadence
- Distinguer classification, détection et segmentation selon le besoin métier
- Appliquer les principes du transfert d'apprentissage à un jeu de données industriel limité
- Définir un protocole d'évaluation robuste face à un déséquilibre de classes de défauts
Adéquation au programme
Où cela s'inscrit dans votre cursus.
Renforce les mêmes compétences que celles attendues par votre diplôme.
Cursus associés bientôt disponibles.
Compétences
Les compétences que vous démontrerez.
Chacune apparaît sur votre certificat vérifié.
Débouchés
Les métiers auxquels ce défi vous prépare.
De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.
Les parcours de carrière que ce défi construit
Métiers de référenceMachine Learning Engineer
Ce défi entraîne à choisir et justifier une architecture de modèle sous contraintes réelles de production, une compétence centrale pour concevoir des pipelines d'apprentissage automatique industriels.
Ce défi renforce
- cnn-classification
- transfer-learning
- object-detection
Quality Engineer
En reliant taxonomie de défauts et architecture de détection, ce défi rapproche l'étudiant(e) des méthodes de contrôle qualité assisté par vision utilisées en ingénierie qualité industrielle.
Ce défi renforce
- image-processing
- object-detection
- computer-vision
MLOps Engineer
Le plan de déploiement sous contrainte de calcul embarqué initie aux arbitrages d'industrialisation de modèles propres au rôle de MLOps Engineer (ingénierie des opérations d'apprentissage automatique).
Ce défi renforce
- transfer-learning
- computer-vision
- cnn-classification