BOLDED ML Marcus April 8 webinar LP backdrop

  • Criar modelos eficientes de machine learning integrando aspectos térmicos.

  • Capturar comportamentos complexos com ML e integrar no modelo do veículo completo.

  • Turbinar a precisão, reduzir tempo e otimizar os sistemas integrando machine learning no processo de modelamento.

Abstract

Neste webinar, discutiremos o uso de técnicas de machine learning para desenvolver modelos automotivos eficientes e abrangentes. Mostraremos como algoritmos de machine learning são empregados para capturar rapidamente comportamentos complexos e integrá-los nos modelos de sistemas de veículos. Sem dúvida, modelos de bateria rápidos e precisos são cruciais para várias aplicações, como veículos elétricos, armazenamento de energia renovável e eletrônicos portáteis. Além disso, destacaremos os benefícios potenciais da integração do machine learning em processos de modelagem, como precisão de previsão aprimorada, tempo computacional reduzido e recursos aprimorados de otimização do sistema.

Tópicos incluem: 

• Técnicas de machine learning são usadas para desenvolver modelos de baterias eficientes, incluindo aspectos térmicos
 
• Algoritmos de machine learning podem capturar comportamentos complexos da bateria e integrá-los em modelos de sistemas do veículo
 
• Modelos de bateria rápidos e precisos são cruciais para veículos elétricos e híbridos, armazenamento de energia renovável e aplicações eletrônicas portáteis
 
• A integração do machine learning em processos de modelagem de baterias leva a uma maior precisão na previsão, redução do tempo computacional e recursos aprimorados de otimização do sistema

 
Marcus Bittar Headshot-1
Marcus Bittar | Presenter

Fundador e CEO | Rising Star | Gamma Technologies Brazil