第一天｜9月10日（四）08:30–17:30
AI基礎認知與企業資料應用
- 人工智慧基礎概念與發展趨勢
- AI倫理及負責任使用觀念
- 結構化與非結構化資料的差異及應用情境
- AI於企業及製造業的實際應用案例
- AI應用與資訊安全基礎觀念
- 認識企業常見的資料類型與資料來源
- 盤點工作流程及部門內部可運用的資料
- 資料整理、清理與基礎分析方法
- 提升資料品質，建立後續AI應用基礎
- AI工具功能、適用情境與導入限制分析
本日學習成果：
建立人工智慧、企業資料及資訊安全的基礎觀念，並能初步盤點企業內部適合導入AI的資料與工作情境。
第二天｜9月11日（五）08:30–17:30
AIDLC與Kiro AI輔助開發實務
- 認識AI驅動開發生命週期（AIDLC）
- AI如何協助需求整理、規劃與執行
- 從企業問題描述到AI應用方案設計
- AIDLC於企業流程改善的應用案例
- Kiro核心功能與操作方式
- 運用AI協助規格整理及任務規劃
- AI輔助開發的適用情境與限制
- 工具操作示範與實務練習
- 將企業實際需求轉換為可執行的AI任務
- 分析工具使用成果、效益及潛在風險
本日學習成果：
了解AIDLC與Kiro的應用方式，並能運用AI協助需求分析、任務規劃及工作流程改善。
第三天｜9月21日（一）08:30–17:30
AI智慧影音分析與企業AI知識庫
- AI影像與影音辨識基礎概念
- 智慧影音分析的功能與應用方式
- 製造現場、品質管理、設備維護及作業安全應用案例
- 影音資料處理與分析流程
- AI智慧影音分析實務操作
- 企業AI知識庫的功能與應用價值
- 企業文件、制度及內部資訊整合方式
- 建立企業內部知識查詢與智慧助理
- AI知識庫實務操作與應用情境演練
- 機敏資料、個人資料與使用權限管理
- 資料外洩、隱私保護及AI應用合規議題
- 企業導入AI的風險辨識與控管方法
本日學習成果：
掌握AI智慧影音分析及企業知識庫的應用方式，並建立資料安全、隱私保護與風險管理觀念。
第四天｜9月22日（二）08:30–17:30
AWS Quick資料分析、專題實作與成果發表
- AWS Quick工具功能與操作方式
- 企業資料彙整、分析及視覺化
- 從資料中找出營運趨勢與關鍵資訊
- 將分析結果應用於管理及決策支援
- AWS Quick實務操作與案例練習
- 從企業內部痛點提出待改善問題或需求
- 確認專題主題、應用情境及預期成果
- 選擇適合的AI工具與應用方式
- 運用課堂所學完成AI應用專題
- 評估AI導入效益、限制及潛在風險
- 專題成果簡報與應用構想發表
- 講師講評、同儕交流及改善建議
- 規劃後續導入企業工作的可行方向
本日學習成果：
完成具體的企業AI應用專題，並具備評估工具適用性、分析結果合理性及後續落地可行性的能力。
