Python語言與工業人工智慧應用實作

本課程從工業大數據基礎各式感測器數據的認識開始，著重於掌握數據的動.......

提供機構：

工業技術研究院(工研院產業學院)

適合對象：

【數位同步學習課程】
Python語言與工業人工智慧應用實作

上課地址：工研院產業學院台北學習中心，實際上課地點，請依上課通知為準。

時數：12

起迄日期：2020-08-06~2020-08-07

聯絡資訊：劉先生/02-23701111#319

報名截止日：2020-08-03

課程類別：人才培訓( 課程含線上同步數位學習)

活動代碼：2320030072

課程介紹

人類工業生產的進化歷程，從第一代引進水力與蒸汽的機械化(mechanical)工業革命，例如：1784年18世紀末的第一台機械織布機)；到基於勞力分工引進電能(electrical power)的大量生產方式，例如：1870年Cincinnati屠宰生產線；接著是電子(electronics)與資訊科技(IT)促成更進一步的製造自動化，例如：1969年可程式邏輯控制器(Programmable Logic Controller, PLC)。現今人們冀望人工智慧應用於產業界，以建構網實整合系統(Cyber-Physical Systems, CPS)具體實現可自主適應調整的故障診斷(fault diagnosis)、健康管理(prognostic health management)與彈性製造(flexible manufacturing)。

本課程從工業大數據基礎各式感測器數據的認識開始，著重於掌握數據的動態時序性與檢測信號的模糊性，並學習各種訊號類型及其特性(確定性、隨機性、週期性、非週期性、穩態、非穩態等訊號)。從數據清理技術、特徵萃取技術的各式轉換，到基於模型(model-based)、基於知識(knowledge-based)及基於數據(data-based)等不同之智慧建模技術，輔以Python訊號處理與機器學習套件進行實機操作，厚實工業人工智慧系統開發基礎。

因應疫情，同步開放「數位旁聽」，提供價格優惠，歡迎踴躍報名參加！

課程特色/目標

課程特色是網羅數學統計、資料探勘、機器學習、演算法與人工智慧方面多年相關教學經驗的工程背景師資，除了實機操作外，並分享實戰分析經驗，讓學員掌握工業數據的特質，瞭解不同前處理與建模方法的異同，結合機械、電機、生醫、化工等工程領域知識，活用資料分析技術並抓住未來發展趨勢。

課程目的學習工業生產中物理或化學相關訊號的離散抽樣原理，運用計算機處理有限長度與雜訊干擾的訊號數據，理解訊號特徵萃取的去蕪存菁原理，讓學員短時間內掌握智能建模的關鍵知識。

課程對象

電機/電子/機械/資訊/生醫/工工/化工/土木/環工等相關工程師、資料分析師/科學家、程式設計師、醫師、教育人員、統計人員、公務機關人員。

講師簡介

鄒老師

現任：臺北商業大學資訊與決策科學研究所教授暨資料科學應用研究中心主任

經歷：新加坡國立大學解析與作業學系訪問教授、西交利物浦大學計算機科學與軟件工程學系暨大數據解析研究院訪問教授、南京理工大學經濟管理學院管理科學與工程訪問教授、中華R軟體學會理事長、臺灣資料科學與商業應用協會理事長、世新大學資訊管理學系副教授、中華大學企業管理學系副教授

專長：大數據與資料科學、機器學習、進化式多目標最佳化、群體智慧、賽局模型、等候網路、系統模擬、數學規劃、彈性製造與企業電子化

著作：大數據分析與應用實戰：統計機器學習之資料導向程式設計(東華書局總經銷)

課程大綱

單元	課程大綱
工業大數據概論與智能分析技術 (6小時)	A. 工業大數據常見類型 A-1. 事件類型、數值類型、波形與2D圖像類型 A-2. 震動、電流、溫度、濕度、壓力、聲波、轉速、流量 A-3. 抽樣理論 B. 工業大數據智能分析技術 B-1. 訊號前處理技術 B-1-1. 遺缺值處理技術 B-1-2. 異常值處理技術 B-1-3. 數據平滑技術
訊號特徵萃取技術、數位挖掘與機器學習技術 (6小時)	B-2. 訊號特徵萃取技術 B-2-1. 時域訊號 vs. 頻域訊號 B-2-2. 訊號視覺化 B-2-3. 濾波與加窗處理 B-2-4. 離散傅立葉轉換 B-2-4. 離散小波轉換 B-3. 數據挖掘與機器學習技術 B-3-1. 關聯規則與集群分析 B-3-2. 分類與迴歸 B-3-3. 故障診斷與預測