TC9076 應用基礎人工智慧與生成式AI解決產業問題 - 列印

課程介紹
- 如何加速企業數位化進化過程、提升產業競爭力的機會，發揮智慧製造的功效，一直是企業惱人的問題，本次課程以 ERP/MES 做為基礎的機器學習應用，加上生成式AI的應用，利用累積多年現有的人力資源(HR)、物料表(BOM)、配方(recipe)、機台設備參數與瑕疵偵測影像資料，應用資料驅動與機器學習，將這些有價值的資料轉變為競爭者優勢，並協助企業轉型為智慧製造。
  結合管理面(情境、效益)、技術面(資料、模型、雲端)、實作面(Data、Python 程式設計、自動機器學習工具)與實務案例，讓學員對智慧製造與人工智慧有進一步的了解，並有能力在公司內部啟動先導專案，將人工智慧應用於工廠內。
  
  *****本課程採用實體+遠距同步進行，開課時會與您確認上課方式，視訊採用Microsoft Teams，課前提供視訊網址，實體課程:學員自備筆電*****
課程大綱
- 1. 人工智慧機器學習應有的認識、基本素養與思維的轉變
  　- 如何訓練機器學習? 需要何種專業人才? 需要很多筆資料? 資料需要清洗整理? 需要很powerful的電腦? 在地產業的應用面?
  　- 本課程建立人工智慧最基本的素養，並回答中高階經理人在機器學習人工智慧應用上的迷失。
  　- 策略思維的轉變：從大數據、人工智慧到人類進化論。
  2. 產業供應鏈的主要大廠：目前實施人工智慧的狀況
  　- 電子業、紡織業、金融業、半導體業
  3. 人工智慧應用實務案例介紹
  　- 瑕疵偵測：塑膠射出成型、印刷電路板、水果、電腦機殼
  　- 虛擬量測：半導體產業品質異常關鍵因素分析
  　- 預測顧客購買金融商品的行為
  　- 零售業結帳商品影像辨識、包裝配件缺錯件檢測
  4. 人工智慧經典學習案例與工具教學
  　- 機器學習原理：經典案例-如何訓練機器學會辨識影像?
  　- Your turn: 手把手教學與練習
  　- 自動機器學習工具
  5. 產業AI化實務案例教學與實做
  　- 搭配實作練習(使用Python、自動機器學習工具)
  　- 實務案例教學：瑕疵偵測、虛擬量測(品質分析、配方預測)
  
  五個AI實務個案研究：
  1. 影像辨識中的機器學習應用：探索產品與原料樣式辨識模型的建立，以及在產品瑕疵檢測中的影像辨識應用。
  •Case Study: 塑膠射出成形產品瑕疵檢測
  2. 數據分析中的機器學習應用：如何透過機器學習提升產品良率，解決物料表與配方預測等問題，並深入探討異常關鍵因素分析等議題。
  •Case Study: 物料表與配方預測(紡織業、化工業、食品業。。。)
  3. 虛擬量測技術在產業中的應用：以半導體產業為例，探究品質異常關鍵因素分析以及加工件公差的虛擬量測方法。
  •Case Study: 加工件公差的虛擬量測
  4. 新興應用領域中的影像辨識：從印刷電路板瑕疵偵測、商品影像辨識，到虛擬量測在品質分析與配方預測中的應用。
  •Case Study: 印刷電路板瑕疵偵測
  5. 融合雲端與地端的解決方案：探討如何在雲端(Cloud)進行訓練與驗證，並將推論與預測部署在地端(Edge)以提供更完整的解決方案。
  •Case Study: 印刷電路板瑕疵偵測 (在雲端(Cloud)進行訓練與驗證、推論與預測部署在地端(Edge))
  
  一個生成式AI實務個案研究：
  企業專屬智識庫機器人，適用於機器人客服系統、報修系統、客戶關係管理、企業知識庫、學校助教機器人。(顧問團隊開發的企業專屬智識庫機器人：https://kenterprise.streamlit.app/)
課程對象
- 【修課條件】
  ◎對此AI+生成式AI議題有學習興趣者。
  ◎想要了解與學習如何應用人工智慧機器學習工具，來解決產業界的問題者。
  ◎欲透過業界人工智慧機器學習個案教學與實務案例介紹，來學習新的技能者。
  【適合對象】
  ◎各產業人員、主管、儲備幹部及相關行業
  ◎中高階經理人、執行長、企業負責人
  ◎本課程適合從未學習過人工智慧機器學習，但需要有經驗者引領理論學習與實務演練的學員而設計
  
  ※備註：本課程學生不需要數學跟統計基礎
  ※備註：本課程學生不需要程式設計基礎
課程效益
- 本課程著眼在人工智慧(AI)及生成式AI的應用兩部分，透過人工智慧工具的應用，生成式AI的設置與建構，讓學員由淺入深了解對提升生產力的幫助，透過實務案例介紹：包括電子業、紡織業、金融業、半導體各種不同產業的應用，回到工作崗位後定能應用於現實工作中。
主辦單位
- 中國生產力中心台南經營管理組