Statuer sur un classifieur d'endommagement de pales éoliennes
Aperçu
En quoi consiste ce défi.
Vous entraînerez un classifieur CNN sur des images de pales éoliennes et quantifierez les faux négatifs pour obtenir un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Le responsable maintenance doit décider si le classifieur d'images actuel, entraîné sur un jeu limité de photos de pales, est assez fiable pour trier automatiquement les cas 'à réparer en urgence' des cas 'à surveiller', ou s'il doit rester en supervision humaine complète.
Earning criteria — what you'll demonstrate
- Appliquer le transfert d'apprentissage à un jeu de données restreint typique d'un contexte industriel
- Analyser les erreurs de classification par catégorie plutôt que la seule exactitude globale
- Relier une métrique de modèle (rappel par classe) à un risque opérationnel concret
- Construire une recommandation de déploiement fondée sur des preuves quantitatives
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 référenceData Scientist
Entraîner et évaluer un classifieur d'images sur un jeu de données industriel restreint constitue une expérience directement transférable à des rôles de science des données appliquée à la maintenance prédictive.
Ce défi renforce
- cnn-classification
- transfer-learning
- image-processing
IoT-Engineer
Réfléchir à un futur déploiement embarqué du classifieur sur drone prépare à des responsabilités d'intégration de modèles de vision sur capteurs et objets connectés en environnement industriel.
Ce défi renforce
- image-processing
- opencv
- cnn-classification
Quality Engineer
Traduire un taux de faux négatifs en recommandation de niveau d'automatisation du tri est une compétence centrale d'ingénierie qualité appliquée à la maintenance d'actifs industriels.
Ce défi renforce
- transfer-learning
- cnn-classification
- opencv