实战项目：智能制造与生产线工艺参数优化-技术圈

AI在生产制程中的应用：

项目介绍：

机器学习在智能制造领域应用有大量应用，其中很重要的一个应用，是在生产线中基于数据驱动进行效果优化

在如今的智能制造生产流水线，系统通过传感器采集到实时的状态（比如温度），再把关联数据（比如批次、条码、机台、原料、产品质量等级等）一同记录，这些信息既可以根据已知的知识（工艺要求）进行过程控制，也可以进行相关性分析归纳出模型，帮助产线上生产能优化调整工艺要求达到最佳产能和质量

核心知识：

智能制造场景下的机器学习应用背景；常用数据分析与建模工具库及环境搭建；建模总体框架及流程介绍；样本异常检测及清洗；类别/数值/时序/其他特征处理与衍生；特征分析及筛选；模型选型（LR/rf/xgb/lgb/catboost）及注意点；模型训练与部署；模型集成与优化；结果鲁棒性保证与后处理

项目大纲：

01.项目背景（关键质量指标预估，工艺参数优化任务）

02.分析与建模工具库及环境设定

03.数据集及业务字段介绍

04.两大任务方案思路介绍

05.探索性数据分析

06.结合场景的数据预处理

07.数值、类别、时序特征构建与特征选择

08.基础建模流水线构建

09.模型总体框架设计

10.多模型效果分析与模型集成

11.极端值及结合业务的数据后处理

12.结合监督学习与无监督（KNN/Kmeans）的参数优化与推荐

13.模型部署上线（Java版本）

14.新样本在线请求测试与调试

扫下方二维码学习完整项目：