智慧生產與大數據分析
Intelligent Manufacturing and Big Data Analytics
| 節 | 週四 |
|---|---|
6 14:20–15:10 | 智慧生產與大數據分析 M301（光復） 3 節連堂 |
7 15:30–16:20 | |
8 16:30–17:20 |
* 根據陽明交大上課時間表所列
課程概述: 本課程將會介紹目前在智慧製造與ChatGPT在電商應用的虛實整合原理與技術應用。上課的同學將在此豐富案例內涵的產業領域中得到非常實用的產業應用情境說明。課程的主題包含了產業實務數據的清洗和特徵參數的擷取、AI應用的有效呈現與決策輔助模式,以及圖形報表資料的戰情中心製作,完成實作和整合案例解析;同時ChatGPT橫空出世,短短時間造成巨大風潮,作為一個人工智慧對話模型,巨量的資料對話,提供自然語言處理、知識檢索、問答系統等功能,對未來的工作產生重要影響,課堂中會介紹使用之案例與外掛元件討論應用,同時介紹人工智慧與機器學習的基礎理論以及在圖形識別、機台數據等等的AI應用,探討大數據分析實務上決策支援所扮演的關鍵角色。 課程目標: 面對這波數位科技與人工智慧應用的發展,勢將對臺灣產業整體供應鏈、生產模式及未來產業的競爭力,帶來衝擊面臨挑戰,讓學生掌握數位科技帶來的破壞性的創新,了解企業數位轉型,以因應這波因科技創新造成的新經濟與商業模式創新之風潮。 善加利用物聯網、雲端運算、大數據、人工智慧等數位科技,期許學生未來能協助企業策略的更新與轉型,以創造或優化創新產品或服務、營運流程或商業模式,探討相關AI應用模型,優化參數及瑕疵檢測等,以提高模型應用的準確度。實作案例涵蓋時間序列分析、圖像辨識、以及自然語言處理應用在產業的發展案例探討。
具備基礎的Python程式設計概念
無備註
課堂講授、相關實作、邀請演講
1學期作業 約1~2 次,合計40%。 2.考試狀況 約1~2 次,合計30% 3.評量方法 期中考-30%;課堂專題報告-40%;作業及課堂參與-30% 如上所述,應同學學習狀況而彈性調整。
教師未提供此項資料
| 週次 | 主題 |
|---|---|
| 第 1 週 | 工業4.0智慧工廠發展現況與趨勢 2024-09-05(四) 時數：[2024-09-05]何佩勳(0.00) |
| 第 2 週 | 重電產業實務應用案例 2024-09-12(四) |
| 第 3 週 | RapidMiner資料分析工具介紹 I 2024-09-19(四) |
| 第 4 週 | RapidMiner資料分析工具介紹 II 2024-09-26(四) |
| 第 5 週 | RapidMiner資料分析工具介紹 III 2024-10-03(四) |
| 第 6 週 | 智慧製造與生產線上的資料科學 2024-10-10(四) |
| 第 7 週 | 機器學習演算法與視覺辨識應用概論 2024-10-17(四) |
| 第 8 週 | 生成式AI對談應用基礎概論 2024-10-24(四) |
| 第 9 週 | 實作課題練習I 2024-10-31(四) |
| 第 10 週 | 實作課題練習II 2024-11-07(四) |
| 第 11 週 | 實作課題練習III 2024-11-14(四) |
| 第 12 週 | 紡織產業實務案例解析 2024-11-21(四) |
| 第 13 週 | 淨零碳排與組織盤查實務應用演講 2024-11-28(四) |
| 第 14 週 | 簡報的技巧 2024-12-05(四) |
| 第 15 週 | 製造巨量資料應用案例解析/專題報告 2024-12-12(四) |
| 第 16 週 | 專題報告 2024-12-19(四) |
| 第 17 週 | 2024-12-26(四) |
| 第 18 週 | 2025-01-02(四) |
教科書: 相關文獻及網路資料 參考書: 1. 陳昇瑋(2019),"人工智慧在台灣:產業轉型的契機與挑戰",天下雜誌。 2. Machine Learning in Python : Essential Techniques for Predictive Analysis, Michael Bowles, Wiley 3. 黃佳(2021),”最踏實AI之路 全白話機器學習一次搞懂”,深智數位。 4. Handouts and selected journal papers
- 地點
- 教師未提供此項資料
- 時間
- 教師未提供此項資料
- 聯絡方式
- 教師未提供此項資料