04/30【原廠線上】 完整的數位孿生機器學習框架：資料收集、替代建模與校準 (晚上10:00~11:00)

本線上研討會將討論機器學習（ML）在數位孿生中的角色。特別涵蓋數位孿生必不可少的三個關鍵主題：透過現代實驗設計（DOE）與機器學習資料抽樣技術的資料收集、預測性機器學習模型（又稱替代模型）以及統計校正。

數位孿生需要數據、速度與預測準確度。SmartUQ 在這些領域皆有以下表現：

• 多樣化的現代化、獨特且更有效率的 DOE 與資料抽樣工具。
• 具備業界頂尖速度與預測準確度的機器學習模型。
• 獨特的統計校正方法，以更好地對齊模型，包括數位孿生模型與實體資料。

歡迎參加這場線上研討會，SmartUQ 首席應用工程師 Gavin Jones 將介紹 SmartUQ 在數位孿生中的應用。將呈現的框架適用於所有類型的數位孿生，包括設計雙胞胎、製造雙胞胎以及營運雙胞胎。演講還將包含客戶使用案例及軟體示範。