工研院產業學習網

本課程因應企業數位轉型、智慧製造及AI技術落地需求，規劃機器學習、AutoML、AI Agent、生成式AI、製程品質預測與設備故障預測等內容，協助學員了解AI技術在企業營運及製造現場的實際應用方式。
課程採「理論講授、案例解析、工具實作、分組討論及成果發表」的學習流程。學員將從工業數據特性、資料整理、特徵工程及模型評估等基礎內容開始，逐步進行AutoML模型訓練、AI Agent工作流程及應用系統實作，建立從問題分析到技術應用的完整概念。
課程後段將引導學員盤點企業工作流程、實際痛點及可用資料，分組完成AI應用規劃提案。師資依工業AI、機器學習、智慧製造及生成式AI等專業領域配置，兼顧理論知識、產業案例及實務操作，使學員能將課程成果轉化為企業後續推動AI專案的基礎。
 

1.    建立學員對人工智慧、機器學習、AutoML及AI Agent的基本概念，了解不同技術適合的企業應用情境。
2.    培養學員進行資料整理、特徵分析、模型訓練及成效評估的基礎實作能力。
3.    透過製程品質預測、設備故障預測及需求預測等案例，提升學員運用AI解決產業實務問題的能力。
4.    協助學員分析企業工作流程與營運痛點，辨識適合導入AI技術的機會及所需資料。
5.    使學員了解模型部署、資料漂移、可解釋性及風險評估等議題，提升AI系統維運與管理意識。
6.    每組完成至少一份AI應用規劃提案，內容包含問題盤點、資料盤點、解決方案、預期效益及風險評估。
7.    預期80%以上學員能完成AutoML或AI工具實作，前、後測平均成績提升20%以上，並能提出至少一項可於企業內部進一步驗證的AI應用方案。

本課程報名資格需為國內依法登記成立之製造業者，且受經濟部產業發展署產業競爭力輔導團輔導之企業在職員工優先錄取。

(8/24)Day 1｜製程品質預測案例/建立設備故障預測模型（9:00~17:30）

• 工業人工智慧 (Industrial AI) 核心理論與高維度架構工業數據的獨特挑戰與動態特性：高噪聲、多速率採樣 (Multi-rate Sampling) 與邊緣運算數據清洗策略、智慧製造預測架構的工業範例

•  主題一：製程品質預測案例與核心特徵工程： 多變量工業時序數據特徵工程、 品質預測演算法與效能評估指標品、實戰案例解析

• 主題二：設備健康管理 (PHM) 與故障預測建模 ：設備失效理論與剩餘壽命 (RUL) 建模、稀有事件與高度不平衡數據的機器學習對策、實戰案例解析
• 工業 AI 模型部署、概念漂移 (Data Drift) 與運維策略模型概念漂移 (Concept Drift) 與數據漂移 (Data Drift) 的自動偵測機制 (如使用 Population Stability Index, PSI)：可解釋性人工智慧 (XAI) 於工業決策之必要性、圓桌論壇與互動問答
• 實戰工作坊-打造機器學習預測網站 ((需Google帳號、筆電及上網)：本單元專為 AI 實作設計，傳統的機器學習預測通常僅輸出機率或數值，本實作將展示如何將傳統預測模型與大語言模型結合，利用 GenAI 的推理能力，打造出能理解工業告警、自動生成維修 SOP，並具備互動網頁界面的「次世代工業 AI 決策系統」。
   

(8/25)Day 2｜AI機器學習理論介紹與AutoML工具實作及流程梳理及AI應用規劃設計（9:00~17:30）

• AI 機器學習概論：介紹機器學習技術基本概念以及對應應用情境。

• AutoML工具實作：使用Tukey AutoML平台訓練機器學習模型、需求預測模型訓練範例與實作、設備異常偵測模型訓練範例與實作。

• 流程梳理教學：工作流程分析方法論，尋找導入AI技術的機會點、工作流程上的痛點談點以及對應的資料盤點。

• AI應用規劃設計：小組討論AI解決方案規劃暨分享初步規劃方案

(8/31)Day 3｜AI agent基本概念及應用與AI賦能與逆向工程（9:00~17:30）

• AI agent 基本概念介紹：LLM基本概念、AI Agent基本架構說明、Langflow介紹、Agent workflow實作

• AI應用與創新專案的分享 ：探討Chrome Extension的應用。

• 實作範例展示：番茄鐘、體驗課程活動設計、課程掛號系統、Watermark浮水印、Signature and Encryption(簽章與加密)、龜甲易占等應用程式。 

• 應用LSTM長短期記憶網路：

  —用LSTM長短期記憶網路於GHDS工廠熱交換器數值效能之預測

  —解析熱交換器對數平均溫差(LMTD)的計算公式，探討其如何影響熱傳遞面積的評估

  —比較LSTM深度學習模型與傳統ARIMA統計模型，說明LSTM在處理非線性、高複雜度時間序列上的優勢、

  —拆解模型建構與訓練的偽代碼，包含使用MinMaxScaler進行特徵縮放。 

• ChromeApp逆向工程： 
  —鎖定ChromeApp：取得ExtensionID，定位本機資料夾並隔離原始碼。
  —結構梳理：解析ManifestV3規範與ServiceWorkers的底層邏輯，並進行程式碼反混淆(De-obfuscation)處理。
  —AI接管：安裝Antigravity IDE，建立跨工作目錄的讀取權限。
  —程式碼重構：透過Context Prompt，利用AI學習該APP程式碼，若有老舊jQuery邏輯則進行改寫，符合Clean Code原則的React Functional Components結合Tailwind CSS介面。 

• 跨平台診所預約系統實作 
  —探討「WudiClinic」這個診所預約平台的輕量級架構，示範如何不需租—用傳統伺服器，僅利用React、Tailwind CSS與Google生態系建置全端應用程式。
  —解析前端單一檔案架構，實作跨平台的響應式介面(RWD)。
  —後端API實作：用Google Apps Script(GAS)撰寫doPost(e)與doGet(e)函式，處理JSON資料的請求與接收。
  —整合資料庫：實作將前端預約資料即時寫入Google Sheets，並同步建立Google Calendar醫師排班行程的連動邏輯。
  —後台管理開發：實作具備密碼保護的數據儀表板，並建置能自動忽略欄位名稱大小寫與空格差異的智慧容錯讀取機制(FuzzyMatch)。 
   

(9/1)Day 4｜AI落地應用實務分享暨成果實戰（9:00~17:30）

• AI落地應用分享： AI 導入roadmap、水泵浦設備健康監診、染程設定值預測、AI工安助理應用、AI生成8D Report
• AI 專案成果實作：各組進行最終AI解決方案規劃成果簡報製作
• 成果發表：AI應用規劃提案、問題盤點、資料盤點、預期導入效益、風險評估

• 本堂課程因含實作，需全程攜帶筆電。
• 本課程報名資格需為國內依法登記成立之製造業在職員工，且為產發署產業競爭力輔導團受輔導廠商之在職員工者。
• 受訓學員需填寫個人基本資料、蒐集個人資料告知事項暨個人資料同意書及學員意見追蹤調查表，並於每堂課程上課須簽到、下課須簽退，且結訓學員需配合經濟部產發署培訓後電訪調查。
• 本課程學員出席率需達訓練總時數至少80％（含）以上，通過評量測驗達70分（含）以上，並完成填寫課後問卷，符合資格者，結訓後將發放結訓證書。
• 考量環保因素，本課程將不印製紙本講義，以提供課程電子檔取代。
• 因應性別主流化國際趨勢，打造友善職場之發展，歡迎女性學員踴躍報名。