實體直播
三建技術課程
2026/09/22(二),13:30-16:30
台南+新竹、線上直播
■習得知識
．掌握製程數據分析與機器學習的實務應用
．建立良率預測與異常偵測能力
．從數據中找出影響品質的關鍵因子
．理解從資料到決策的完整流程
■適合對象
．製程／設備工程師、品質與維護人員
．需進行異常分析或良率改善者
．想導入數據分析或AI的製造業團隊
．具工程背景，無需程式或進階數學能力
在智慧製造與工業4.0快速發展下，製程優化已從傳統經驗法則邁向以數據驅動的決策模式。本課程聚焦於「統計學習與機率建模」在製造流程中的實務應用，協助工程師與管理者從大量製程數據中萃取關鍵資訊，以提升產品良率、降低缺陷率並強化製程穩定性。課程以資料敏感度與資料解析思維為根基，再聚焦到數據建模步驟與各種方法上，期能剖析出資料背後重要的洞見。內容涵蓋監督式學習(如迴歸分析與分類模型)、非監督式學習(如集群與異常偵測)，以及機率模型(如貝氏推論與馬可夫模型)等方法，並強調其在製程控制、化工反應優化、設備預測維護與物流供應鏈管理中的應用。
透過實際案例說明(如晶圓良率預測、製程偏移偵測、設備故障預測)，學員將學習如何建構可落地的分析流程，包括資料前處理、特徵工程、模型選擇與評估，以及結果解讀與決策應用。本課程不僅介紹方法原理，更重視實務導入的挑戰與策略，協助學員將AI模型轉化為可提升營運績效的決策工具，使製造系統能模仿人的智能，具有感知、思維、學習、推理判斷與自行解決某些問題的能力，逐步實現效率、彈性與永續的新典範，讓大數據發揮其利害的功用，邁向智能決策與控制的新境界。
■大綱目次
一、人工智慧結合數據科學的發展階段與任務類型
二、製程優化的數據問題
2-1製造業數據特性與挑戰
三、統計學習於製程優化的應用
3-1機器學習編程方式及其陷阱
3-2數據可視化
3-3監督式學習
3-4非監督式學習
四、機率建模與不確定性分析
4-1貝氏推論
4-2時間序列分析與隨機過程
五、從模型到決策：落地應用與挑戰
5-1特徵工程與資料品質
5-2模型評估指標
5-3模型部署與持續監控(MLOps概念)
5-4圖神經網路與強化學習
現任國立臺北商業大學教授，長期專注於資料科學與人工智慧在產業中的實務應用，為台灣早期推動開源AI教學與導入的代表性學者之一。
具備超過10年跨產業教學與顧問經驗，專長於機器學習、資料分析與預測建模，協助企業將數據轉化為實際決策與製程優化成果。
| 報名1位 | 報名2位 | 報名3位 | ||
|---|---|---|---|---|
| 實體上課 (含黑白講義) | 原價 | 3,675 | 3,465 | 3,150 |
| 線上直播 | 定價 | 9,450元＋選購黑白講義315元*本數 | ||