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 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,將運用深度學習套件和函數結合系統整合作法,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。
具備基礎的程式設計與資料庫結構概念 具備基礎統計學概念
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。
- AI數據應用基礎理論與實務
- 智慧製造實務導入案例經驗分享與討論
- 工業4.0智慧工廠發展現況與趨勢
| 週次 | 主題 |
|---|---|
| 第 1 週 | 工業4.0智慧工廠發展現況與趨勢 |
| 第 2 週 | 生產系統概論(ERP/MES) |
| 第 3 週 | 網宇實體(CPS)整合與智慧化現場管理概論 |
| 第 4 週 | 電腦視覺與工業應用 |
| 第 5 週 | 異質網路整合、SOA 資訊技術 |
| 第 6 週 | 智慧製造與生產線上的資料科學 |
| 第 7 週 | 機器學習與演算法應用概論 |
| 第 8 週 | 監督式學習方法&非監督式學習方法 |
| 第 9 週 | 期中考 |
| 第 10 週 | 類神經網路與深度學習架構 |
| 第 11 週 | 卷積神經網路(CNN)基本理論簡介 |
| 第 12 週 | 智慧製造數據分析準則、方法與案例 |
| 第 13 週 | 資安防禦技術 |
| 第 14 週 | 製程連線整合、即時監控與資安、異質系統整合應用案例解析 |
| 第 15 週 | 製造巨量資料應用案例解析 |
| 第 16 週 | 智慧製造導入專案面面觀 |
| 第 17 週 | 智慧製造專案導入歷程經驗分享 |
| 第 18 週 | 專題報告 |
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. Handouts and selected journal papers