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

Introducción y selección de casos de uso por parte del equipo

• Panorama de la IA en entornos industriales
• Categorías de casos de uso: calidad, mantenimiento, energía, logística
• Formación de equipos y definición del alcance de los objetivos del proyecto

Comprensión y preparación de datos industriales

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

Selección de modelos y creación de prototipos

• Elección entre regresión, clasificación, agrupamiento (clustering) 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 (dashboards) o informes intuitivos
• Interpretación de métricas de rendimiento (precisión, exactitud, sensibilidad)
• Documentación de suposiciones y limitaciones

Simulación de despliegue y retroalimentación

• Simulación de escenarios de despliegue en edge y 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 por pares y depuración colaborativa
• Preparación de la presentación del proyecto y resumen técnico

Presentaciones de los equipos y cierre

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

Resumen y próximos pasos