授课老师: 蔡春久
常驻地: 北京
擅长领域: 数字化转型 腾讯

1、课程目标:

了解在AI模型快速发展下,工业企业AI应用和数据治理遇到挑战、机遇、应对策略、方法、数据治理框架体系及相关案例。了解AI应用与数据治理相关的依赖关系。

2、课程提纲:

1、AI与数据:企业数智化发展的双轮驱动

1.1工业企业数智化转型对数据和AI需求特点

清晰界定“三化”关系

自动化、信息化及数智化定义及之间的关系

共性的数据问题分享

数字化转型对数据能力提出的要求

大数据与云计算、人工智能的关系

数据管理对企业的核心价值

1.2国内外大模型产品、特点及发展特点

(1)人工智能发展现状

(2)大模型的概念

国外的大模型产品(ChatGPT、Sora、OpenAI)

国内的大模型产品(DeepSeek、字节跳动豆包、文心一言等)

某央企大模型建设情况-昆仑大模型

(3)大模型的特点

1.3数据治理与AI推动工业企业数智化转型典型案例和场景分享

物资领域应用场景

某企业生产层面等领域应用场景

某企业智能“问数”系统案例

2、AI快速发展对数据治理的新要求

2.1AI应用对大数据治理的需求

(1)AI大模型时代数据治理的难题

(2)面向人工智能的数据治理

面向人工智能数据治理的活动与对象

AI应用的高质量落地,需要高质量的数据集

大数据治理核心方向,需要借助AI工具提高效率

2.2数据多样性的挑战

(1)行业的数据类型

行业数据类型分类:结构化数据、非结构化数据(音频、视频、图片、文档)、时序数据、空间数据(GIS)等典型场景。

(2)数据管理的要求

自动化的要求。AI大模型可以通过学习和分析数据治理各项工作的特征和规则,自动化批量进行大规模数据的数据标准、元数据等数据治理任务,减少了人工处理的工作量

实时性要求。实时监控和分析数据的变化,并及时进行预警。

扩展性要求。通过学习和迭代,持续提升自己的能力,以适应变化。

2.3数据质量的挑战(准确性、实时性等)

数据质量和准确性对模型性能和结果的影响,通过数据质量六性特征(完整性、一致性、及时性、时效性、准确性及唯一性)讲解数据质量维度、数据质量管理原则、数据质量体系框架,数据质量提升案例,让学员达到数据质量对模型性能和结果的影响

3、数据治理:支撑AI应用的关键能力

3.1六种不同视角下的数据治理框架体系

从6种不同视角解读数据治理框架体系核心内容(管理者视角、技术的视角、工业企业视角、数据全生命周期视角、安全的视角及需求的视角),确保数据治理确保准确、一致性、安全和可用。

3.2某央企数据资产框架体系案例

3.2央企数据管控及数据资产管理框架案例

4、数据文化建设、素养提升及建议

4.1数据文化建设与数据素养提升

通过相关能源央企的案例介绍数据文化的建设、数据素养提升,数据人才培养、数据沟通等,数据驱动业务发展,赋能企业数智化转型。

4.2相关建议和互动交流

AI在工业行业应用展望的答疑和互动,针对讲解内容,总结、听取学员的疑问和反馈,有针对性答疑和互动

授课老师

蔡春久 原腾讯首席数据架构师、技术总监

常驻地:北京
邀请老师授课:13439064501 陈助理

主讲课程:《元数据管理》《数据治理的诗和远方-数据体系顶层架构设计和数据战略制定实践案例分享》《数据分析,商业BI说明课程:数据分析工具、分析方法及实践案例》《企业物资采购数字化转型实践分享》

蔡春久老师的课程大纲

微信小程序

微信扫一扫体验

扫一扫加微信

返回
顶部