依據DesignNews報導, 因應全球COVID-19(新冠肺炎)疫情危機,製造業不得不以先進科技應戰,英特爾(Intel)工業解決方案部門總經理兼物聯網業務副總裁Christine Boles表示,產業界採用了各種解決方案,包括人工智慧、機器學習、機器視覺和高階分析,就算之後經濟回溫,產業界仍會持續投資營運科技(OT)和資訊科技(IT),2021年將是工業4.0極具發展的一年。
「機器學習」(Machine Learning, ML)是人工智慧領域中能夠創造商業價值的技術之一,且機械學習可以有效解決製造業所面臨的問題,例如瑕疵檢測、自動流程控制、預測性維護、原料組合最佳化等進行機器學習預測建模。
本課程由淺入深帶領學員進入機器學習領域,課程運用Numpy、Scipy、Matplotlib、Pandas、Scikit-learn等Python模組,以通用的資料分析流程進行(資料理解、準備、建模、評估與釋義五步驟)文字、影像等資料探勘案例實作。課程內容涵蓋各式機器學習類型,方法包括頻繁型態探勘、集群、迴歸與分類等,並且交叉運用各種模型,以達成機器學習預測建模的目標。除了多元應用案例與講師實戰經驗分享,並進行深入淺出的理論觀念介紹,以最適合資料科學家的Python整合式開發環境Jupyter Notebook與Spyder進行實機操作,幫助學員輕鬆上手資料探勘及機器學習的工作。
課程提供【數位同步學習】報名方案,歡迎學員報名參加。
課程融入水質檢測資料、渦扇引擎資料、氣液壓系統感測資料、半導體製程資料、細胞分裂高內涵 篩檢、AIO 檢測資料等解說與演練,幫助學員瞭解不同情境與建模方法的異同,結合機械、電機、生醫、化工等工程領域知識,活用資料分析技術並抓住未來發展趨勢。
現任:
國立臺北商業大學資訊與決策科學研究所暨智能控制與決策研究室教授、CSQ大數據品質應用委員會主任委員
經歷:
專長:
人工智慧與統計機器學習、賽局理論應用、進化式多目標最佳化、等候網路、系統模擬、彈性製造與工業控制
著作:
單元 |
課程大綱 |
機器學習簡介及 資料探索準備 (6小時) |
1. 機率統計、資料探勘、機器學習與人工智慧的異同 2. Python、Spyder、Jupyter Notebook與相關模組的安裝 3. Python資料結構 4. 集群分析 5. 迴歸分析與分類 |
機器學習預測 建模實作 (6小時) |
1. 樹狀模型與隨機森林 2. k近鄰分類 3. 貝式分類 4. 支援向量機 5. 薈萃式學習 6. 實作練習 l 機械業、製造業等應用數據案例解說 l 活塞環資料、渦扇引擎資料、水質資料、氣壓系統失效資料、液壓系統監測資料、電耗資料、半導體製程資料、細胞分裂高內涵篩檢資料、藥品製程資料等說明與演練(視課程時間與內容斟酌安排) |
方案 |
課程原價(個人) |
早鳥優惠(21天前) |
團報優惠(3人含以上) |
課程費用 |
10,800 |
9,800 |
9,200 |
l 上課時間:113年7月1日(一)、7月3日(三),上午9:30~下午4:30,共計12小時。
l 上課地點:工研院產業學院(台北),實際上課地點,請依上課通知為準。
l 招生人數:本班預計20人為原則,最低開課門檻為12人。
l 培訓證書:課程出席率達80%以上,由工研院產業學院發給培訓證書。
l 報名方式:
(1) 電子郵件報名:Annielee@itri.org.tw
(2) 連絡電話:02-23701111#316 李小姐、#320 楊小姐
l 繳費方式:報名時可選擇信用卡線上繳費或ATM轉帳,主辦單位將於確認開班後通知您相關匯款資訊。
l 退費標準:若欲取消報名,請於開課前三日以傳真或email告知主辦單位,並電話確認退費事宜,逾期將郵寄講義,恕不退費。若您未於期限內申請退費,則不得於任何因素要求退費,惟可轉讓與其他人參訓。
l 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。
l 為配合講師時間或臨時突發事件,主辦單位有調整日期或更換講師之權利。
l 報名時請註明欲開立發票完整抬頭,以利開立收據;未註明者,一律開立個人抬頭,恕不接受更換發票之要求,課程開始當天不得以任何因素要求退費。
l 為尊重講師之智慧財產權,恕無法提供課程講義電子檔。
l 本課程需上機實作,請自備筆電上課。