課程代號:2326070005  

【產業新尖兵計畫】廠區智慧AI監測與城市基礎設施數位化養成班(高雄班)

培育具備數據分析、AI應用及智慧監測能力的專業人才,協助學員接軌智慧製造與科技相關產業,提升就業競爭力。

課程型態/
實體課程
上課地址/
工研院高雄學習中心,高雄市前鎮區一心一路243號4樓
時  數/
234 小時
起迄日期/
2026/12/22 ~ 2027/02/23
聯絡資訊/
唐小姐,謝先生   07-3367833 #15,07-3367833 #24
報名截止日期:2026/12/16
課程介紹

零基礎學習|培養數據分析與AI應用能力

項目課程介紹
培訓目標培育具備數據分析、AI應用及智慧監測能力的專業人才,協助學員接軌智慧製造與科技相關產業,提升就業競爭力。
學習內容從Python數據處理、生成式AI輔助程式開發,到IoT智慧監測與Dashboard資料視覺化,循序漸進建立實作能力。
產業應用結合智慧製造、廠區設備管理及城市基礎設施等案例,學習整理感測資料、分析數據變化及辨識異常訊號。
培訓特色由工研院產業學院攜手材料與化工研究所(材化所)專家團隊,規劃234小時實作訓練,零程式基礎也能逐步學習。

課程特色|四大學習亮點

課程特色學習內容與亮點
AI智慧監測 × 數據分析透過設備音訊、感測器及管線監測案例,學習資料整理、訊號判讀與異常分析,認識AI如何應用於設備監測及預測維護。
生成式AI輔助 × Python實作結合Vibe Coding觀念,運用生成式AI協助撰寫、理解與修改Python程式,從資料讀取、清理到數據處理,逐步建立程式應用能力。
數據分析 × Dashboard視覺化運用Python分析工程數據,整合感測器資料,建置互動式Dashboard,將分析結果呈現為趨勢圖表與監測畫面。
產業參訪 × 科技應用場景規劃參訪和碩聯合亞灣研訓基地,認識5G、AI及智慧製造相關應用,了解技術在產業現場的實際運用。

參訪由工研院統一安排交通,車資、旅平險及當日午餐由計畫支應;實際參訪內容與行程依課程通知為準。

產業新尖兵計畫|政府補助與學習支持

補助項目補助內容
訓練費補助符合15~29歲失業或待業青年等計畫資格者,課程訓練費為新臺幣60,000元,參訓前先繳交10,000元自付額,其餘費用依計畫規定補助。
10,000元自付額返還依規定完成訓練、取得結訓證書,並於結訓後符合就業投保及申請期限等條件者,可申請全額返還10,000元自付額。
每月8,000元學習獎勵金符合青年職前訓練學習獎勵金資格及出席規定者,參訓期間可依規定申請每月8,000元學習獎勵金。

各項補助、獎勵金及自付額返還,實際資格、核發金額與申請程序依勞動部相關規定及審核結果辦理。

結訓職涯方向|數據分析與AI應用相關職務

就業職務可發展的實務能力
數據分析助理/初階數據分析人員資料清理、數據分析、統計圖表製作及報表整理。
AI監測助理工程師監測資料處理、異常訊號分析及監測畫面維護。
物聯網(IoT)應用助理工程師感測器資料採集、設備資料整合及應用測試。
智慧製造/基礎設施數位化專案助理資料彙整、Dashboard製作及數位化專案協助。

實際適任職務仍依個人學習成果、原有背景及企業徵才條件而定。

招生資訊|高雄班限額15名

項目內容
開訓日期115年12月22日
訓練地點高雄班
訓練時數234小時實作訓練
招生名額限額15名
錄訓方式採甄選制,依資格審查及甄選結果錄訓
就業輔導履歷健檢、面試模擬及企業媒合活動

從零基礎出發,累積Python數據分析、AI應用與智慧監測實作能力,為未來職涯開啟更多可能!

課程特色/目標

雙軌核心養成|培養數據分析與AI應用人才

本課程以  「數據分析」及「AI智慧監測」  為雙軌學習主軸,從Python程式入門、資料整理與分析,到AI輔助數據判讀及視覺化應用,培養符合產業需求的數據分析與AI監測人才。

四大核心能力學習內容
數據分析與Python應用學習Python基礎、資料整理、數據分析及圖表製作,培養從數據中發現問題的能力。
生成式AI輔助程式開發運用生成式AI協助撰寫、理解及修改Python程式,降低程式學習門檻。
智慧感測與AI監測應用認識感測器資料蒐集、設備監測及AI異常分析,了解智慧科技的產業應用。
數據視覺化與專題實作運用Dashboard呈現數據分析結果,透過專題練習累積實作成果。

三大特色|零基礎學習,累積實作能力與職涯競爭力

課程特色學習亮點與實務應用
特色1|工研院專家帶領,接軌產業數據分析應用
特色2|

AI輔助學Python,零基礎循序漸進學習

結合生成式AI輔助程式開發(Vibe Coding),學習運用AI協助撰寫、理解及修改Python程式,從基礎操作逐步建立數據分析與程式應用能力。

特色3|

專題實作結合就業輔導,提升求職準備度

透過數據分析、智慧監測及視覺化專題練習,累積可展示的實作成果,並結合履歷健檢、面試模擬及企業媒合活動,協助學員認識職務需求、做好就業準備。

結訓職涯方向|數據分析與AI應用

就業方向相關職務
數據分析數據分析助理/初階數據分析人員
AI智慧監測AI監測助理工程師
物聯網應用物聯網(IoT)應用助理工程師
智慧製造與數位化智慧製造/數位化專案助理

課程對象

  • 產業新尖兵計畫補助對象:

    年滿15至29歲之失業或待業青年,包含應屆畢業生、退伍青年及有意轉職者,須符合勞動部產業新尖兵計畫參訓資格。

  • 零基礎學習與跨領域轉職者

    無須具備程式設計或理工背景,對數據分析、AI應用及智慧科技有興趣,希望從基礎開始學習、培養跨領域技能者。

 

參訓設備需求|請自備筆記型電腦

設備項目建議規格
作業系統Windows 11或相容的macOS版本(建議優先使用Windows)
處理器(CPU)Intel Core i5、AMD Ryzen 5或同等級以上
記憶體(RAM)8GB以上,建議16GB
儲存空間建議保留100GB以上可用空間

講師簡介

專業師資團隊|工研院專家與產業實務講師

 

工程技術與智慧監測專家

講師專業背景專長領域與授課亮點
李昭仁 工研院經理,21年實務資歷;臺灣大學機械系畢業。流體力學、熱傳學、能源管理、管線洩漏監測。帶領學員建立工程數據、流量與壓力分析基礎。
鄭憶湘 智慧管網監測專案計畫主持人,10年實務資歷;清華大學工程與系統科學系畢業。管線洩漏監測(LDS)、流體力學、IoT資安架構。結合智慧感測與資料採集案例,認識AI監測技術的產業應用。

 

AIoT數據分析與生成式AI專家

講師專業背景專長領域與授課亮點
莊煒宜 工研院研究員,9年實務資歷;國立陽明交通大學電控工程研究所碩士。數位訊號處理、影像分析、聲學訊號辨識、Dashboard視覺化。學習設備異常訊號分析與監測圖表呈現。
葉佩涵 工研院材化所工程師;國立高雄科技大學海事資訊研究所碩士。Python數據處理、IoT資料採集、機器學習、生成式AI輔助程式開發。運用AI協助Python程式開發,建立數據分析與AI應用能力。

 

職涯發展與專業表達講師

講師專業背景專長領域與授課亮點
簡均伶 國立中興大學管理學碩士;台灣生涯發展與諮詢學會專業認證委員、台灣就業通YOUTH職涯特約諮詢顧問。專案管理、職涯諮詢、團隊溝通、專業表達。協助學員整理專題成果、提升簡報表達及求職準備能力。

課程大綱

零基礎培養數據分析與AI智慧監測實作能力

 

課程總覽

學習階段學習重點時數
階段一|產業趨勢與工程數據基礎認識工程數據、設備監測、IoT與產業應用42H
階段二|Python與數據處理入門學習Python、感測資料蒐集、整理及圖表製作36H
階段三|AI數據分析與智慧監測練習AI模型判讀、音訊與影像分析、設備異常辨識66H
階段四|Dashboard實作與職涯準備建置監測儀表板、完成專題、企業參訪及就業輔導90H
總計四大階段完整訓練234H

 

階段一|產業趨勢與流體工程數據基礎

建立工程數據與智慧監測基礎,了解設備運作及產業應用。

訓練科目時數
流體力學概論與工程應用6H
流體靜力學與壓力分析6H
流體運動學與守恆定律12H
LDS監測技術概論6H
工業物聯網(IoT)資安架構6H
產業趨勢暨網路安全基礎6H
小計42H

 

階段二|Python物聯網資料採集與數據處理

從Python入門,學習蒐集、整理及分析資料,建立數據處理能力。

訓練科目時數
Python物聯網資料採集程式設計9H
智慧感測資料串接與IoT應用開發9H
工程資料處理邏輯與Python建模基礎6H
聲學訊號與設備監測原理6H
工程數據視覺化與決策表達原則6H
小計36H

 

階段三|AI數據分析與智慧監測應用

結合AI、Python與感測資料,練習影像、音訊及設備異常分析。

訓練科目時數
黏性流動、雷諾數與管流損失分析6H
IoT分散式訊號擷取設備與實作12H
管線數據AI學習與實作演練12H
影像數據判讀與AI模型判讀實作24H
Python工程數據處理與分析技術6H
音訊訊號處理與異常特徵辨識6H
小計66H

 

階段四|智慧監測Dashboard實作與職涯準備

整合所學完成數據分析與視覺化作品,並透過企業參訪及就業輔導認識職場需求。

訓練科目時數
工程數據視覺化與監測圖表設計6H
管線系統壓降計算與流量分析實作6H
流體量測與工程案例綜合應用6H
工程數據處理與異常判斷實作6H
音訊監測與設備異常分析實作6H
智慧監測視覺化與Dashboard建置實作6H
生成式AI輔助程式開發與專題實作18H
專案管理與專業簡報表達力18H
企業實地參訪6H
就業輔導與媒合活動12H
小計90H

結訓與認證

項目規定與說明
工研院結訓證書學員出席率達80%以上,並完成規定之實務練習及課程意見調查表,符合結訓條件者,由工研院產業學院頒發結訓證書。
實務專題成果驗收依課程規定完成數據分析、AI應用或智慧監測相關實務專題報告,整合課堂所學,累積可於求職面試展示的實作成果。

 

補助權益與請假出席重要規定

為維護勞動部「產業新尖兵計畫」參訓補助、自付額返還及青年學習獎勵金等權益,請學員留意以下規定。

項目規定與說明
青年學習獎勵金符合青年職前訓練學習獎勵金請領資格者,參訓期間可依規定申請每月8,000元學習獎勵金。
獎勵金出席門檻全期訓練未到課時數達總訓練時數10%以上,可能影響獎勵金請領資格。本課程234小時,10%為23.4小時。
每日簽到與簽退課程採實體簽到、簽退,學員應依規定時間完成出席紀錄。
請假規範請假應依課程規定辦理,請假及缺課時數均納入出席紀錄,並可能影響結訓及相關補助資格。
自付額返還符合結訓、就業投保及申請期限等條件者,可依規定申請返還10,000元自付額。

重要備註: 本課程結訓資格、青年學習獎勵金、自付額返還及出席規定,依工研院課程管理規範、勞動部相關計畫規定及主管機關審核結果辦理。

價格

訓練費用與產業新尖兵計畫補助說明

本課程共計234小時,訓練費用包含講師費、教材費、材料費,以及企業參訪交通、旅遊平安保險與參訪當日午餐等費用。

費用與補助項目說明
課程訓練費用每人新臺幣 60,000元。
一般自費生非產業新尖兵計畫補助對象,須自行負擔全額訓練費60,000元。
計畫生訓練費補助符合產業新尖兵計畫資格之15至29歲失業或待業青年,參訓前僅需先繳交10,000元自付額,其餘50,000元依計畫規定辦理補助。
10,000元自付額返還出席時數達總訓練時數2/3以上、取得結訓證書,並於結訓日次日起90日內依法參加就業保險者,可於規定期限內申請返還10,000元自付額。
申請期限與方式於結訓日次日起120日內,至台灣就業通「產業新尖兵計畫」專區上傳指定申請文件,經審查符合資格後核發。

重要備註: 本課程相關訓練費補助、自付額返還及申請資格,均依勞動部「產業新尖兵計畫」最新適用規定及所屬分署審查結果辦理。

常見問題

常見問題說明
Q1:沒有理工、資工或程式設計背景,也能參加嗎?

可以! 

本課程歡迎零程式基礎及跨領域青年參加,從Python入門、數據分析到AI智慧監測,循序漸進培養實作能力。

Q2:企業參訪的交通及午餐需要另外付費嗎?

不需要! 

課程規劃參訪和碩聯合亞灣研訓基地,由工研院統一安排往返交通,車資、旅平險及當日午餐由計畫支應。實際行程依課程通知為準。

Q3:10,000元自付額如何申請全額返還?

須符合以下條件:

① 出席達總訓練時數2/3以上並取得結訓證書

② 結訓日次日起90日內依法參加就業保險

③ 結訓日次日起120日內,至台灣就業通「產業新尖兵計畫」專區上傳金融帳戶等指定文件。經分署審查通過後,依規定核發10,000元自付額補助。

Q4:每月8,000元學習獎勵金,請假會影響領取嗎?

可能會! 

符合青年職前訓練學習獎勵金請領資格者,可依規定申請每月8,000元。全期訓練未到課時數須符合相關出席規定;本課程234小時的10%為23.4小時。實際核發依出席紀錄及主管機關審核結果辦理。

補充說明: 因服兵役而未能於期限內參加就業保險者,另依計畫相關規定辦理。

重要提醒: 本課程之參訓資格、訓練費補助、自付額返還及學習獎勵金等,均依勞動部勞動力發展署「產業新尖兵計畫」、「青年職前訓練學習獎勵金」及高屏澎東分署適用規定與審核結果辦理。

報名方式

報名三步驟|完成報名、甄選及錄訓

本課程高雄班限額15名,採資格審查及甄選制。請依以下步驟完成報名程序,錄訓結果以工研院正式通知為準。

報名步驟辦理方式
STEP 1|官方網站線上報名進入勞動部台灣就業通-產業新尖兵計畫專區,登入或註冊會員,搜尋本課程並完成線上報名申請。
STEP 2|工研院資格審查與甄試完成報名後,由工研院進行書面審查及電話甄試。書面審查(80%):確認參訓資格、基本資料及履歷。電話甄試(20%):了解學習動機與未來就業規劃。綜合成績達80分以上為合格,錄取結果預計於開課前3天公告,並以Email或電話通知。
STEP 3|錄取通知與繳費收到正式錄取通知後,依指定期限及方式繳交10,000元訓練費自付額,並依通知完成相關報到手續。

備註:實際甄選方式、評分標準、錄取公告日期及繳費程序,依本班核定招生簡章與工研院正式通知為準。

課程洽詢窗口|工研院產業學院-高雄學習中心

聯絡窗口電話電子郵件
謝先生07-3367833 分機24itri538328@itri.org.tw
唐小姐07-3367833 分機15emilyb40673@itri.org.tw