A tananyag magába foglalja a „rakodótár” alkatrészeinek gyakorlati gyártását, különféle gépek, szerszámok és eljárások alkalmazásával.
A hangsúly a tanulókészletben található félkész termékekkel végzett fúráson és megmunkáláson van. Kiegészítésképpen a marás és az esztergálás alapjait is elsajátítják, az esztergálás során pedig gyakorlóalkatrészeket készítenek.
Egy másik kiemelt terület az additív gyártás: az alkatrészeket CAD-ben tervezik meg, majd additív gyártási eljárással állítják elő.
Ezt követően ezeket az alkatrészeket további alkatrészekkel összeállítják egy működőképes szerelvénnyé. A tanfolyam az összes gyártott alkatrész és szabványos alkatrész mechanikai és elektromos összeszerelésével, valamint a rakodótár teljes üzembe helyezésével zárul, így a hallgatók átfogó képzést kapnak a gyártási folyamatok, az összeszerelés és a mechatronikai rendszerek üzembe helyezése terén.
A SkillsConveyor gyakorlatias módon ismerteti a műszaki rendszerek üzembe helyezésének alapjait. Mechanikus és elektromos alkatrészeket szerelnek össze és kötnek be, jeleket tesztelnek és meghibásodásokat javítanak.
Megtanulják, hogyan működnek a relés vezérlések, vezérlő áramköröket építenek mágneskapcsolókkal, relékkel, nyomógombokkal és végálláskapcsolókkal és tesztelik őket, valamint gyakorolják a hibaelhárítást.
A váltakozó áramú motorokkal kapcsolatos ismereteit bővítheti a motorvezérlők bekötésével és üzemeltetésével, védelmi és kapcsolóberendezések használatával.
Ezenkívül egyszerű vezérlési feladatokat programozhat a Siemens LOGO! segítségével, megismerheti a Boole-logikát, illetve elméletben és gyakorlatban egyaránt gyarapíthatja tudását.
A végén elsajátítja az PLC-programozást, programokat készít egy szállítószalaghoz, és érzékelőket integrál a tudásának teszteléséhez.
A SkillsConveyor és az IIOT Machine Learning Kit segítségével elsajátíthatja a gépi tanulás alapjait, és azokat a gyakorlatban is alkalmazhatja.
Egy oktatási célú termelési rendszer segítségével megismerkedhet a képfeldolgozás mesterséges intelligenciájának és gépi tanulásának alapjaival, valamint a réteges neurális hálózatok (Deep Learning) alkalmazásával.
Felügyelt tanulási módszerekkel, tanítható a képek osztályozása a számítógépes látás alkalmazásainál.
Végül megtudhatja, hogyan lehet az IoT-rendszereket utólagosan felújítani és korszerűsíteni.