【數位同步】Python工業連續製程分析大師:參數指標、預測建模一把罩

【數位同步】Python工業連續製程分析大師:參數指標、預測建模一把罩

上課地址:工研院產業學院 產業人才訓練一部(台北),實際地點依上課通知為準!!!!

時數:17

起迄日期:2021-09-30~2021-10-01

聯絡資訊:陳俐潔/02-23701111#310

報名截止日:2021-09-27

課程類別:人才培訓(課程)

活動代碼:2321060009

課程介紹

為什麼要選擇這門課?

身處連續製程產業中,學習工業人工智慧技術是現今的趨勢,本系列課程將從基礎的參數資料整理至品質參數分析、機器學習應用及預測,優化製程參數等,讓連續性製程可以結合數據分析技術,更透過節流矩陣,找出變數的最適調參甜蜜點,進而提升專業能力。

本課程分為兩個階段,第一階段會透過數位課程「Python工業4.0人工智慧:製程資料處理大師」,教導您工業參數資料轉換、處理與清理,視覺化呈現數據結果。在奠基了參數資料清理及視覺化基礎後,將開始進入第二階段,也是製程資料深入分析的階段。第二階段透過實體課程的方式,帶領學員現場進行製程參數分析、調整,以及製程參數的建模與預測,進而教導您各種機器學習的預測應用,讓您在工業製程領域上更加得心應手。

延續先前第一階段數位課程的基礎,在第二階段的實體課程學習將帶您解決

透過參數資料,找出在品管核可範圍內的最佳節約點

應用統計分析方法,找出最適品質指標分析參考

評估每個機器學習模型的預測效果,找出優化方法

面對多種製程參數,找出最適的重要參數

透過視覺化互動網頁,檢測易被忽略的數據異常值

制定節流矩陣,評估方案最佳的效益

從0建置GAM模型,掌握參數調整訣竅


Workshop



學員問卷回饋

課程目標

上完本課程您可以學習到?

本課程將透過兩階段的學習,教導您如何結合「製程數據資料」與「資料科學」,讓您了解工業人工智慧實務應用、Python實戰操作、資料處理與視覺化操作等各種細節。並透過案例的演示,了解如何進行資料處理及異常值的排除,找出可分析的製程資料,並學習機器模型的運用與優化,奠定工業人工智慧資料的第一步。

第一階段課程包含Python資料處理以及判斷式、迴圈的學習,並透過Pandas套件,處理製程時間序列資料,以及產出三大資料正確性圖表:遺失值欄位檢視表、整體變數選擇表、品質參數與節流省錢分布統計表,確認資料分析正確性,最後將結果統整繪製互動折線圖,清楚呈現分析成果。


第一階段課程包含四大面向:數位學習更便利
應用案例面:了解Python實戰案例情境以及如何挑選有用的參數
程式基礎面:學習Python基礎程式語法,透過套件打造自己的模組能力
資料處理面:進行時間序列的處理,解密各式資料型態
資料實戰面:找出製程資料遺失值以及進行異常值的處理,分析製程資料並視覺化呈現

接著將透過第二階段的課程,學習重要變數的挑選與分析,以及六項機器學習的效能評估與演練,制定方案最適的節流矩陣,扎實應用製程分析技術,從資料處理分析到機器學習模擬評估一次操作,讓您遨遊在工業製程領域!

第二階段課程包含四大面向:實體實戰更落地
實務面:了解資料科學在工業實務上的真實案例應用
統計面:透過敘述性統計、相關檢定,挑選最適品質指標並找出最佳節約點
機器學習面:透過六種實用的機器學習模型,評估不同模型效益,找出重要變數
開源節流面:使用預測節流模型,評估執行方案的效益

課程特色

本課程與其他課程的不同?

結合實際案例,帶您深入了解製程實務應用

本系列課程將透過「專案導向」的方式,結合講師自身製程統計的實戰經驗,分享製程領域中的實務應用,了解與主管溝通的真實狀況,讓您將課程學習到的技能,實際應用到實務層面。

與「Python工業4.0人工智慧:製程資料處理大師」連貫,讓基礎技術更進階
本系列課程分為兩階段,第一階段的數位課程,會學習製程資料的分析、處理以及視覺化應用。接著透過第二階段的機器學習模型,將先前學習的技能結合應用,找出製程分析最適方案,提升原先基礎技能,讓專業更上一層。


數位與實體結合,讓您在家打好基礎,現場跟老師案例實戰
本課程設計為數位課程與實體課程的結合,為了讓學習基礎更扎實,數位課程可以無限次播放,讓您多次複習演練。實體課程則會實際帶領真實案例操作,由講師親自指導,課程結束後直接帶回全套模組不藏私,讓您在家也能學習工業製程人工智慧!


多樣化學習,六種機器學習模型一次教學
在製程人工智慧中,學習機器學習是必要的技能之一。本課程會介紹六種機器學習模型,帶您進行演練操作,並將結果以視覺化的方式呈現,清楚了解背後所呈現的管理意涵,奠定良好的機器學習技能。

課程對象

誰適合來上這門課?

(1)
連續製程數據分析初學者
(2)想透過統計檢定,挑選出最適合的品質指標者
(3)想優化製程變數分析者
(4)工業製程相關顧問
(5)製程數據分析使用者
(6)想利用機器學習優化製程者

學員先備知識

您需要事前準備的

需先學習過「Python工業4.0人工智慧:製程資料處理大師」數位課程
學員請自備win7以上有usbNB建議電腦規格:
l   處理器(cpu):第三代 i5 cpu 以上 or 第五代i3 CPU 以上
l   記憶體(ram):8G 或以上
l   硬碟可用儲存空間( Empty storage space):15G 以上

同步線上旁聽課程

1. 本課程同步開放學員線上方式參與課程訓練。
2. 為便於公務繁忙的學員能夠參加,本課程規劃「線上同步數位學習」形式,讓學員能在所在地使用自己的電腦進行線上課程。
3. 線上同步數位學習於課程當天09:30~16:30現場直播旁聽,報名學員可即時數位聽講並提問。
4. 本同步數位課程無補課機制

數位先修實體大不同

數位先修 實體:二階段授課內容差異

 

基礎語法

資料處理模型

統計應用

品質與節能分析模型

六大工業預測模型

預測區間:找出節能上下限

品質/節能 變數篩選

最佳參數調整點

方案預測效益評估

數位先修課程

X

X

X

X

X

X

X

實體課程
(同步線上旁聽)

X

X

課程大綱

第一階段數位先修課程:此為網路數位課程,購買即可觀看。
※ 建議學員先觀看數位課程,有利銜接第二階段實體課程學習內容。

第二階段實體課程此為為期兩天的實體課程,亦開放同步線上旁聽方案。

課程分類

學習主題

詳細說明

開課時間

時數

第一階段

數位先修課程

Python工業4.0人工智慧:製程資料處理大師」

更詳細的課程內容請見:

「Python工業4.0人工智慧:製程資料處理大師」

l Python人工智慧應用案例

l Python環境介紹與安裝

l Python工業人工智慧基礎起手式

l Python基礎-Pandas智慧製程資料處理教學

l Python案例實戰-智慧製程資料處理面

l Python案例實戰-智慧製程視覺互動面

l Python實戰案例情境與資料集介紹

l 製程監控品質參數篩選技巧說明

l Python環境Anaconda介紹

l Python基礎教學-字串數字與變數、IF判斷式、For迴圈操作、Function操作、Import操作等

l 資料型態與處理教學,解密各式資料處理方式

l 製程參數資料轉換與篩選,遺失值統計與異常值處理,輸出可分析的資料等

l 互動折線圖實戰-繪製專屬客製化折線圖

購買即可觀看課程

課程即日起上架,觀看權限至103日止。

建議學員先觀看數位先修課程,有利銜接第二階段實體課程學習內容。

5H20Min

第二階段

實體課程Python機器學習工業製程大師:

參數指標一把罩

01_Python實戰 – 資料集準備

製程資料處理大師:溫故知新

1.   分享處理專業製程資料的細節與專家溝通技巧

2021930

星期四

09:30-16:30

中午提供便當,

用餐1小時

6H

02_Python實戰 – 製程統計面(敘述統計)

透過製程參數資料,找出在品管範圍內可設定的最佳節約點

1.    樞紐分析

2.    在品管標準範圍內,發現最佳節能品質參數點,為後續資料分析奠定基礎

3.    品質與節能分析模組

03_Python實戰 – 製程統計面(相關性統計)

透過統計檢定,從廠方提供的3個品質指標中,找出最適品質分析參考。

:品質指標為標準差、平均數、中位數

1.    使用「相關性檢定」,探討不同品質指標與原料成本指標間的關係

2.    分析成果透過plotly進行視覺化,產出相關性矩陣圖

3.    挑選出最適合的品質指標(粒徑),作為分析的考量指標

04_Python實戰 – 五種工業製程好用的預測模型

介紹五種機器學習模型,深入淺出了解模型原理,快速掌握建模技巧

1.   使用Linear RegressionElastic NetDecision TreeRandom ForestXGBoost等五個模型,進行操作演練

2.    了解模型損失函數「均方根誤差」(Root Mean Square Error, RMSE)與「平均絕對百分比誤差」(Mean Absolute Percentage Error, MAPE)的計算方式以及背後代表的管理意涵

3.    將模型的預測成果透過plotly動態繪圖套件包進行視覺化,一目了然不同預測模型架構

4.    為後續變數篩選奠基良好的機器學習基礎

第二階段

實體課程Python機器學習工業製程大師:

參數指標一把罩

05_Python實戰 – 重要「品質」、「原料成本」變數篩選

透過機器學習模型,找出影響「品質」、「原料成本」的重要變數

1.     使用Linear RegressionElastic NetDecision TreeRandom ForestXGBoost等五個模型,進行操作演練

2.     使用模型損失函數-RMSEMAPE來評估模型預測準確度

3.     以敏感性分析找出影響品質/原料成本的重要參數

2021101

星期五

09:30-16:30

中午提供便當,

用餐1小時

6H

06_Python實戰 – 基礎監測模型與優化監測模型效果

瞭解模型在預測上的準確度,並找出優化方法

1.     使用模型損失函數,挑選出最佳模型

2.     透過plotly動態繪圖套件包,將模型的預測值與實際狀況進行視覺化比較

3.     透過Model Stacking的方式,融合不同的機器學習模型;結合優點、強化預測準確性

07_Python實戰 – 第六種機器學習模型介紹,節流省錢區間評估模型

深入淺出了解GAM的原理與應用,進行實作練習

1.      使用General Additive Model(簡稱GAM),進行實戰演練練習

2.     了解Spline參數的原理與對預測的影響

3.     使用型損失函數-RMSEMAPE來評估模型預測準確度

4.     Prediction Interval的製作方法

5.     透過PlotlyMatplotlib兩個視覺化套件包,將資料成果視覺化

08_Python實戰 – 善用預測模型,找出製程變數的最適數值

透過工業製程實際資料,進行實戰演練

1.   透過Partial Dependency Plot,找出每個變數的最佳調參甜蜜點為何

2.   透過PlotlyMatplotlib兩個視覺化套件包,將資料成果視覺化

3.   建立節流矩陣,評估採用方案的效益

講師簡介

鍾皓軒 講師

【現任】臺灣行銷研究有限公司(TMR) 創辦人
【專長】連續性製程資料分析、行銷資料科學、機器學習建模、自然語言分析與校務研究
【經歷】中華電信、工研院、資策會、外貿協會國際人才培育中心、台科大、台北教育大學、元智大學行銷資料科學講師與相關資料科學專案負責人

價格

加入工研院產業學院 LINE@訓練圈(https://line.me/R/ti/p/%40pyg8598o ),未來有相關課程,可優先獲得通知及更多優惠!

★★★ 同步線上旁聽課程 ★★★ 快閃價限量5 (後續提供紙本講義)
線上旁聽課程:原價$9,000,超值優惠價 每人$6,200

 

第一階段
數位先修課程
(5H20Min)

第二階段
實體課程
(12H)

數位先修+實體課程(17H20Min)

課程原價 (每人)

$2,800

$9,000

$10,800

七天前報名

優惠價(每人)

$8,500

$9,800

兩人揪團同行

優惠價(每人)

$7,500

$9,500

三人()以上揪團同行/工研人/學校優惠價(每人)

$6,500

$9,000

開課資訊

●  主辦單位:財團法人工業技術研究院 產業人才訓練一部(台北)

●  舉辦地點:

實體課程上課地點:工研院產業學院 產業人才訓練一部(台北),實際地點依上課通知為準!

註:如報名實體課程卻無法到現場上課者,課前一周將以email提供Cisco Webex線上會議室網址連結、帳號密碼給您,當日可同步觀看直播課程。本同步數位課程無補課機制。

數位課程:購買即可觀看課程影片。將寄發email通知報名學員觀看網址及帳密權限,影片觀看權限至1003日。

●  舉辦日期:20210930()1001()09:30am~16:30pm,共計12小時

●  報名方式:請以正楷填妥報名表傳真至02-2381-1000

●  課程洽詢:02-2370-1111 分機310陳小姐、分機313蘇小姐

 退費辦法:
學員於開訓前退訓者,將依其申請退還所繳上課費用90%,另於培訓期間若因個人因素無法繼續參與課程,將依上課未逾總時數1/3,退還所繳上課費用之50%,上課逾總時數1/3,則不退費。

●  注意事項:

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. 因課前教材、講義及餐點之準備及需為您進行退款相關事宜,若您不克前來,請於開課五日前告知,以利行政作業進行並共同愛護資源。

3. 若原報名者因故不克參加,但欲更換他人參加,敬請於開課前二日通知。

*本課程歡迎企業包班~請來電洽詢 課程承辦人陳小姐、蘇小姐02-23701111#310313

貼心提醒

信用卡繳費方式選「信用卡」,直到顯示「您已完成報名手續」為止,才確實完成繳費。

ATM轉帳:繳費方式選擇「ATM轉帳」者,系統將給您一組轉帳帳號「銀行代號、轉帳帳號」,但此帳號只提供本課程轉帳使用, 各別學員轉帳請使用不同轉帳帳號!!轉帳後,寫上您的「公司全銜、課程名稱、姓名、聯絡電話」與「收據」回傳。

銀行匯款:土地銀行 工研院分行,帳號156-005-00002-5(土銀代碼:005)。戶名「財團法人工業技術研究院」,請填具「報名表」與「收據」回傳。

即期支票或郵政匯票:抬頭「財團法人工業技術研究院」,郵寄至: 100台北市中正區館前路65號7樓704室 陳小姐收。

計畫代號扣款(工研院同仁):請從產業學院學習網直接登入工研人報名;俾利計畫代號扣款。

附件

Pin It