1. 開訓典禮
2. 新尖兵入班宣導

1小時

1. 智慧製造核心技術、產業現況與未來
2. 人工智慧介紹
　－人工智慧發展史
　－人工智慧的核心技術與應用
　－人工智慧發展之產業現況與未來
3. 國家發展委員會「重點產業人才供需調查及推估報告」介紹

2小時

1. Python開發環境介紹 - Anaconda介紹 - jupyter notebook操作
2. 程式流程介紹
3. Python程式
　－輸出/入 - 資料型態與變數
　－流程控制結構 - 基本資料結構
　－函式 - 模組與套件
　－製作Python專題製作

29.5小時

一、使用資料型別和運算子進行操作
　1. 評估運算式以識別 Python 分配給變數的資料型別
　2. 執行和分析資料和資料型別的操作
　3. 根據運算子的優先順序確定執行順序
　4. 選擇運算子以達到預期的結果
二、使用決策和迴圈進行流程控制
　1. 建構並分析使用分支語句的程式碼段
　2. 建構並分析執行迭代的程式碼段
三、輸入和輸出操作
　1. 建構並分析執行檔案輸入和輸出操作的程式碼段
　2. 建構並分析執行控制台輸入和輸出操作的程式碼段
四、程式碼文件和結構
　1. 文件化程式碼段
　2. 建構並分析包含函式定義的程式碼段
五、故障排除和錯誤處理
　1. 分析、偵測並修正具有錯誤的程式碼段
　2. 分析並建構處理例外狀況的程式碼段
　3. 執行單元測試
六、使用模組和工具進行操作
　1. 使用內建模組執行基本檔案系統和命令列操作
　2. 使用內建模組解決複雜的運算問題件

6.5小時

1. 基礎電學知識
2. 電子元件介紹與基本設計
3. 控制迴路設計

9.5小時

1. 感測器介紹
2. 訊號處理及分析
3. 工業機台訊號的感測實務

19.5小時

1. 物聯網及智慧製造的簡介
2. 工業機台訊號的感測實務
3. 控制器介紹及物聯網應用層實務
　－Wi-Fi傳輸實務
　－LoRa傳輸實務
4. 感測資料上傳資料庫實作

22.5小時

1. SQL Server安裝。
2. SQL Server Management Studio資料庫管理操作演練。
3. 資料庫與資料表新增、刪除、修改管理。
4. 資料Select查詢應用。

13小時

1. 網頁前端開發HTML/CSS。
2. Python Dash開發環境介紹與軟體套件安裝。
3. Python Dash數位儀表圖形與表格設計實作。
4. Python資料庫連線與存取。
5. 資料庫資料製作網頁平台營運數位儀表，例如產出量、機器異常時數、不良率、稼動率等。

29小時

1. 使用Pandas
　－各種格式資料匯入與匯出
　－DataFrame資料整理
　－敘述統計
　－異常值偵測
　－遺失值處理
　－資料關聯分析與應用

9.5小時

1. 使用Pandas
　－串列建立、物件、index value、series key
　－二維資料建置
　－資料處理：數據清洗、加工、分群
　－DataFrame 資料操作：多元型態資料匯整、資料標準化

19.5小時

1. 資料視覺化介紹
　(1) 視覺化目的
　(2) 視覺化要點
　(3) 視覺化工具
2. 資料視覺化實作：包括
　(1) 折線圖(Line chart)、散布圖(Scatter plot)
　(2) 長條圖(Bar chart)、堆疊長條圖(Stacked Bar chart)、群組長條圖(Grouped Bar chart)
　(3) 箱形圖(Box plot)
　(4) 地理資料地圖...等等。

23小時

1. 大數據時代的商業智慧(理論課程)
2. 維度模型化介紹(理論課程) 維度資料表、事實資料表、Data Warehouse
3. 資料報表呈現(理論課程) Data Cube、OLAP、一般報表、儀表板
4. 資料整理(實作課程) 進出口貿易資料處理
5. 企業戰情室介紹(實作課程) 系統介面說明、案例實作產品市場交易行情國
6. 企業戰情室應用(實作課程) 國際貿易決策分析戰情室、新南向區域貨物出口貿易統計
7. 資料倉儲(實作課程) 建置資料倉儲、案例實作、年度銷售分析
8. 多維度動態分析(實作課程) 進階設計：年度銷售分析
9. 分析表頁面設計(實作課程) 運算、展開、收合、篩選、取出、下切

23小時

1. 2~3人為一組，引導各專題小組至政府開放資料平臺搜尋擬分析資料集，再由授課教師與小組成員檢視是否適合進行視覺化專題，例如：
　(1) 公共資料視覺化應用案例探討，例如政府水情資訊、路況即時資訊、霍普金斯大學 covid-19視覺化案例探討。
　(2) 政府公開資料視覺化應用實作，例如空品監測資料、縣市無線上網熱點資料、交通意外事故等資料視覺化實作
2. 小組成員討論確定擬視覺化之主題與內容，並與授課教師討論並確認可行性。
3. 依據確認內容進行視覺化實作。
4. 視覺化實作報告撰寫與展示。

13小時

1. 深度學習與類神經網路技術說明
2. 類神經網路原理
3. Pytorch介紹
4. Pytorch程式架構與Colab使用說明

6.5小時

1. 機器學習簡介
2. 機器學習演算法介紹與實作
　－線性迴歸分析(Linear Regression Analysis)
　－分類(監督式學習)
　　(1) 羅吉斯迴歸(Logistic Regression)
　　(2) 決策樹(Decision Tree)
　　(3) k鄰近法(k Nearest Neighbor)
　－分群(非監督式學習)
　　K平均法(K Means)
　－集成式學習
　　隨機森林(Random Forest)

32.5小時

1. K平均法－DBscan 信用卡客戶分群
2. PCA主成份分析 - 消費者購買那些商品
3. 手寫辨識 - 交叉驗證
4. Kaggle實例演練-生存判斷
5. RF演算法實例演練-葡萄酒判斷

22.5小時

1. 基礎神經網路模型實作(數值回歸)
2. 基礎神經網路模型實作(分類)
3. 影像辨識與卷積神經網路模型實作

26小時

1. Streamlit 網站框架專題實作
　－線性迴歸分析
　－分類(監督式學習)
2. 訓練學員以圖表方式呈現深度學習實作結果，並進行簡報，並由講師給予成果上可再精進之處。

13小時

1. 設計智慧化機臺所需之感測架構
2. 第三方服務整合-以LineBot設計即時產線虛擬助理
3. 機臺能耗監測架構

16小時

1. 第三方服務整合-LineBot
2. 訊號處理與特徵萃取
3. 機器學習結合物聯網
4. 深度學習結合物聯網

26小時

1. 以智慧製造為應用場景，引導學員設計用於機械產線的智慧物聯網監測系統，並且佈建視覺化的數據監測/儲存平台。
2. 引導學員設計用於機械產線的智慧物聯網監測系統，主要訓練學員如何設計訊號收集網路、檢測電路設計。
3. 以機器學習/深度學習對於時變訊號進行特徵分類(短周期)以及異常分析(長週期)，以塑膠製造生產線之機台訊號為範例。
4.輸出碳盤查所需之資料報表

23小時

1. 自我探索
2. 履歷撰寫與面試技巧：以企業最重視的職能角度，聚焦在自傳撰寫技巧，凸顯出個人績效與問題解決能力
3. 職涯探索與職能
4. 職場溝通
5. 求職真相大解析：從商業運作思維角度切入，解析公司選才背後的思考邏輯
6. 如何發掘自己所擁有的工作能力
　－專業領域知識的能力盤點
　－以最有成就感的事，深度挖掘隱藏在身上的各種問題解決能力

19小時

企業說明會

6小時

結訓典禮

1小時