1. 了解人工智慧、資料科學、大數據分析的發展與應用。
2. 學會使用Python 程式語言、資料分析處理與資料視覺化應用。
3. 以企業數據進行大數據分析應用。
4. 學會MySQL資料庫建置與Python Dash數位儀表。
5. 學會以機器學習/神經網路模型實作(數值/圖形分類、數值回歸)。
6. 了解智慧物聯網(AIoT)與智慧製造的實務應用架構與發展。
7. 學會以物聯網通訊設備、控制器建立機聯網以及物聯網訊號特徵萃取分析收集的資料,進行視覺化的數據監測與時變訊號的異常分析。
8. 學會以人工智慧技術結合物聯網技術設計製造系統。
9. 輔導考取ITS Python認證。
![]() 選擇產業
|
![]() 職涯目標
|
![]() 履歷診斷
|
![]() 面試技巧
|
訓期間,填寫諮詢表單及個人資料表
依照諮詢需求安排顧問
依照顧問指示填寫/提供相關資料
安排課後時間進行線上諮詢與互動
班主任追蹤與關懷
1-1 開訓及入班宣導:
1. 開訓典禮
2. 新尖兵入班宣導
1小時
1-2 人工智慧、物聯網與大數據概論:
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
-「智慧機械產業」需求職位與人數推估
-「人工智慧應用服務產業」產業需求職位與人數推估
2小時
1-3 生成式人工智慧簡介:
1. 生成式人工智慧(Generative AI, GAI)簡介
2. 提示工程(Prompt Engineering)簡介
3. 生成式AI實例演練
3小時
2-1 Python程式:
1. Python開發環境介紹 - Anaconda介紹
2. 程式流程介紹
27小時
2-2 ITS Python認證課程:
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
6小時
3-1 基礎電子電路:
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小時
3-2 機臺感測器測量實作:
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
15小時
3-3 物聯網與智慧製造
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
21小時
4-1 資料庫建置與管理:
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。
15小時
4-2 Python Dash數位儀表開發:
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。
27小時
5-1 基礎資料分析:
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
12小時
5-2 資料清理與進階分析:
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
18小時
5-3 資料視覺化分析與實作:
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。
24小時
5-4 大數據分析實務專題:
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。
15小時
6-1 機器學習、深度學習與類神經網路概論:
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
9小時
6-2 機器學習概論與實作:
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)
30小時
6-3 深度學習與神經網路模型實作:
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
27小時
6-4 人工智慧實務專題製作:
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。
15小時
7-1 深度學習AIoT實務應用:
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. 訊號處理與特徵萃取
4. 機器學習結合物聯網
5. 深度學習結合物聯網
24小時
7-2 智慧製造實務專題:
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。
15小時
8-1 職能探索與求職輔導:
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
7. ChatGPT求職神助攻
20小時
8-2 就業媒合活動:
企業說明會
6小時
8-3 結訓:
結訓典禮
1小時
經歷
證照
經歷
證照
經歷
證照
經歷
期刊
經歷
證照
經歷
證照
經歷
證照
經歷
證照
若您對課程有興趣,請填寫資料