每日課程原則如下:
時段 | 內容 |
---|---|
09:30am ─ 10:40pm | 早上課程 |
10:40am ─ 11:00pm | 交流時間 |
11:00am ─ 12:20pm | 早上課程 |
12:20pm ─ 13:20pm | 午餐時間 |
13:20pm ─ 14:30pm | 下午課程 |
14:30am ─ 14:40pm | 休息時間 |
14:40am ─ 16:30pm | 下午課程 |
16:30am ─ 17:00pm | 午茶交流 |
17:00pm ─ 17:45pm | 專題講座I |
17:45pm ─ 18:30pm | 專題講座II |
課程安排
週次 | 主題 | 內容大綱 |
---|---|---|
第一週 | 開學典禮 | |
第二週 | 統計與資料分析 |
1.敘述性統計與機率分布 2.參數估計與假設檢定 3.探索性資料分析與資料視覺化 |
第三週 | 機器學習與演算法概論 |
1.機器學習概論 2.非監督式學習方法 3.監督式學習方法 4.學習理論、泛化與特徵重要性 |
第四週 | 深度學習入門 |
1.深度學習簡介 2. 深度學習實務技巧與前瞻技術 3. 對抗式學習入門 4. 強化學習入門 |
第五週 | 電腦視覺 |
1. CNN 原理簡介 2. 代表性 CNN 模型 3. CNN 於電腦視覺之應用與實際案例 |
第六週 | 深度學習手把手與講解 | 深度學習的程式實作 (物件偵測 & RNN) |
第七週 | 智慧製造與生產線上的資料科學 |
1.智慧製造的理論與實務 2.製造生產數據與AI應用 3.自動化生產排程與演算法 |
第八週 | I.半導體製造彈性決策模式與分析、科技管理與服務系統 II.電腦視覺結合深度學習於智慧製造上應用 |
1.決策分析、資料挖礦、組合決策、半導體製造模式與分析、科技管理與服務系統 2.智慧監控技術、深度學習之電腦視覺模型應用、物件偵測與分類、語意分割、和動作辨識與預測等實際案例 |
第九週 | 人工智慧的製造產業應用 |
1.系統性思維與問題定義 2.「一生受用的統計學- 應用與實務案例」 |
第十週 | I.智慧機械與機電整合 II.智慧機械與智慧製造 |
1.智慧機械與機器人、先進綠能設備製造、智慧車輛 2.振動控制、強健控制、智慧型材料分析與應用Smart Materials and Structures、Vibration Control、Acoustics Control、Robust Control |
第十一週 | I.智慧製造與工業4.1 II.人工智慧開發環境建置 III.引入 AI 之前,企業必須知道的資料分析與機器學習實務 |
1.智慧製造、半導體生產自動化、虛擬量測、預測保養 2.開發環境建置分享、雲端平台與終端平台、AI人員團隊的建置與所需的Know-how |
第十二週 | 結業典禮 / 成果發表 |
Copyright © Taiwan Artificial Intelligence Academy Foundation