◆ 課程全名：智慧製造 AI 實務應用
◆ 開課期間：2023/7/22 ~ 2023/8/12
◆ 課程時間：每週六 14:00 ~ 17:00
◆ 課程時數：總計 12 小時
◆ 課程對象：
- （1）製造業相關技術從業人員
- （2）智慧製造產業，AI 技術需求者
- （3）想瞭解生成式 AI 如何加速程式碼開發的朋友
- （4）對可解釋性 AI 應用於製造業電腦視覺專案有興趣者
- （5）想學習統計、機器學習、深度學習、電腦視覺的工程師/資料科學家/AI 工程師/系統分析師
◆ 先備知識：
- （1）具備製造業相關背景基礎知識
- （2）有 Python 基礎為佳
- （3）若無 Python 基礎，本課程會在正式開課前一週，提供 Python 基礎教學影片
◆ 課程簡介
「智慧製造 AI 實務應用」是一門透過 AI 技術應用進行製造流程轉型，提升效率、品質與價值的課程。
本課程將以工業 4.0 的理念為基礎，引導學員透過資料科學方法論，從資料分析與前處理、AI 模型介紹與技術應用開發到 AI 系統的建立，並實作三大 AI 技術主題：
更多課程內容詳請參考內容大綱，本課程將有效協助您在智慧製造領域中創造更多價值，我們也將透過課程建立交流群組，提供企業間交流、徵才、策略合作、企業內訓、專案合作開發等加值服務。
誠摯地邀請您一同學習，讓我們攜手發展智慧製造新時代！
「智慧製造 AI 實務應用」是一門透過 AI 技術應用進行製造流程轉型，提升效率、品質與價值的課程。
本課程將以工業 4.0 的理念為基礎，引導學員透過資料科學方法論，從資料分析與前處理、AI 模型介紹與技術應用開發到 AI 系統的建立，並實作三大 AI 技術主題：
- （1）應用統計/機器學習模型，針對數據資訊進行分析與決策判斷
- （2）應用電腦視覺技術，開發物件辨識、影像切割、瑕疵檢測等模型
- - 識別物件、影像處理與分析、自動偵測瑕疵，提升品管效率和準確度。
- （3）應用時間序列技術，進行價格預測、設備健康檢測與機台異常監測
- - 預測價格波動，設備壽命預測，與偵測異常事件，降低生產風險。
更多課程內容詳請參考內容大綱，本課程將有效協助您在智慧製造領域中創造更多價值，我們也將透過課程建立交流群組，提供企業間交流、徵才、策略合作、企業內訓、專案合作開發等加值服務。
誠摯地邀請您一同學習，讓我們攜手發展智慧製造新時代！
◆ 課程細節
| 單元名稱 | 課程內容 |
|---|---|
| 【單元一】工業 4.0：資料科學方法論 |
1. 工業 4.0 2. 資料科學方法論 3. Python 開發基礎 4. 資料處理方法 （1）探索式資料分析 （2）資料清理（缺失值、離群值） （3）特徵工程（標準化、編碼） （4）資料視覺化 5. 場景應用專題 |
| 【單元二】統計到機器學習 |
1. 基礎統計 2. 分類、回歸、分群 3. 模型表現評估指標 4. 預測問題： （1）線性回歸模型 （2）正規化回歸（Regularized Regression） （3）穩健回歸（Robust Regression） 5. 樹模型：決策樹（Decision Tree） 6. 集成模型（Ensemble） （1）隨機森林（Random Forest） （2）梯度提升（Gradient Boosting） （3）極限梯度提升（eXtreme Gradient Boosting） |
| 【單元三】深度學習主流任務 |
1. 深度學習基礎模型：DL、CNN、RNN 2. 電腦視覺整合應用 （1）影像分類（Image Classification） （2）物件偵測（Object Detection） （3）影像切割（Image Segmentation） （4）超解析度成像（Super Resolution） 3. 可解釋性人工智慧（XAI）：CAM, LIME 4. 訓練樣本不足情境：自監督式學習 5. 場景應用專案：產線物件瑕疵檢測 |
| 【單元四】生成式AI延伸應用 |
1. GPT 發展歷程 2. ChatGPT 功能與使用 （1）智能搜尋：系統性資訊彙整 （2）程式碼撰寫Copilot 3. 實際應用：ChatGPT, Skype Bing, Bing Chat 4. 更多生成式AI應用：自動生成簡報、影像資料集自製 |
| 【單元五】製造產業實務：時間序列專題 |
1. 時序分析與預測 2. 資料屬性拆解 3. 時序演算法: 統計模型、機器學習模型 4. 模型飄移的監控 5. 場景應用專案：價格預測、設備健康、異常監測 |
| 【單元六】專題分享 |
1.學員專題分享 2.提供後續精進指引 3.課程結語 |