工研院產業學習網

人類工業生產的進化歷程，從第一代引進水力與蒸汽的機械化（mechanical）工業革命，例如： 1784 年 18 世紀末的第一台機械織布機；到基於勞力分工引進電能（electrical power）的大量生產方式，例如：1870 年 Cincinnati 屠宰生產線；接著是電子（electronics）與資訊科技（IT）促成更進一步的製造自動化，例如：1969 年可程式邏輯控制器（Programmable Logic Controller, PLC）。現今人們冀望人工智慧應用於產業界，以建構數位孿生(digital twins)的網實整合系統（Cyber-Physical Systems, CPS），具體實現可自主適應調整的故障診斷（fault diagnosis）、工業控制(industrial control)、健康管理（prognostic health management）與彈性製造（flexible manufacturing）。
本課程從工業大數據基礎各式感測器數據的認識開始，著重於掌握數據的動態時序性與檢測信號的模糊性，學習各種訊號類型及其特性（確定性、隨機性、週期性、非週期性、穩態、非穩態等）。從數據清理技術、屬性萃取技術的各式轉換，到基於模型（model-based）、基於知識（knowledge- based）及基於數據（data-based）等不同之智慧建模技術，輔以 Python 訊號處理與機器學習套件進行實機操作，厚實工業人工智慧系統開發基礎。

瞭解工業生產中物理或化學相關的訊號數據，運用計算機處理有限長度的離散數據，與雜訊干擾的傳感數據，學習訊號特徵萃取的去蕪存菁原理，讓學員短時間內掌握智能建模的關鍵知識。

1. 網羅數學統計、資料探勘、機器學習、演算法與人工智慧方面多年相關教學經驗的工程背景師資，除了實機操作外，並分享實戰分析經驗，讓學員掌握工業數據的特質，瞭解不同前處理與建模方法的異同，結合機械、電機、生醫、化工等工程領域知識，活用資料分析技術並抓住未來發展趨勢。
2. 課程融入水質檢測資料、渦扇引擎資料、氣液壓系統感測資料、半導體製程資料、細胞分裂高內涵 篩檢、AIO 檢測資料等解說與演練，幫助學員瞭解不同情境與建模方法的異同，結合機械、電機、生醫、化工等工程領域知識，活用資料分析技術並抓住未來發展趨勢。

1. 建議學員具備基本的程式設計概念，例如C、Python、R、Java…等；學員不須非常熟悉撰寫電腦程式語言亦可，課堂中會提供案例程式碼，讓學員實際練習，學員不用從零開始寫程式，只要會操作、運用，從中學習到人工智慧、機器學習的概念和應用方法。
2. 電機／電子／機械／資訊／生醫／工工／化工／土木／環工等相關工程師、資料分析師／科學家、程式設計師、醫師、教育人員、統計人員、公務機關人員。

• 現任：國立臺北商業大學資訊與決策科學研究所暨智能控制與決策研究室教授、兼校務永續發展中心主任、兼推廣教育部主任、CSQ大數據品質應用委員會主任委員
• 經歷：明志科技大學機械工程系特聘教授兼人工智慧暨資料科學研究中心主任(借調)、美國辛辛那提大學工程與應用科學學院訪問教授、新加坡國立大學解析與作業學系訪問教授、西交利物浦大學計算機科學與軟件工程學系暨大數據解析研究院訪問教授、南京理工大學管理科學與工程學系訪問教授、中華R軟體學會創會理事長、臺灣資料科學與商業應用協會創會理事長、世新大學資訊管理學系副教授、中華大學企業管理學系副教授
• 專長：機率統計學習、進化式多目標最佳化、賽局模型應用、時間序列分析與控制

• 舉辦地點：線上直播會議室(使用Cisco Webex Meetings，將於課前提供會議室資訊)
• 舉辦日期：114年 4月24日（四）、4月25日( 五），上午 9：30~下午 4：30，共計 12 小時
• 招生人數：本班預計 20 人為原則，最低開課門檻為 10 人
• 培訓證書：課程出席率達 80%以上，由工研院產業學院發給培訓證書
• 繳費方式：信用卡線上繳費或匯款，主辦單位將於確認開班後通知您相關匯款資訊
• 退費標準：若欲取消報名，請於開課前三日以傳真或 email 告知主辦單位，並電話確認退費事宜，逾期將郵寄講義，恕不退費。若您未於期限內申請退費，則不得於任何因素要求退費，惟可轉讓與其他人參訓

1. 為確保您的上課權益，報名後若未收到任何回覆，敬請來電洽詢方完成報名。
2. 為配合講師時間或臨時突發事件，主辦單位有調整日期或更換講師之權利。
3. 報名時請註明欲開立發票完整抬頭，以利開立收據；未註明者，一律開立個人抬頭，恕不接受更換發票之要求，課程開始當天不得以任何因素要求退費。
4. 為尊重講師之智慧財產權，恕無法提供課程講義電子檔。
5. 本課程需上機實作，請自備筆電上課。