- 課程簡介
在工業 4.0 時代，如何結合各種技術來推動製造業進行智慧轉型成為製造業的重要課題。智慧製造以演算法及數據為基礎，建構了數據驅動的營運模式。台灣人工智慧學校特別針對智慧製造技術開設課程，內容包含智慧製造的 4 大重要課題，有瑕疵檢測、生產計劃與排程、供應鏈與存貨決策分析，及製程參數最佳化。除了理論與上機習作的教學，加上專題實作引導，使學員能理論與實務並具，在結業後擁有將智慧製造技術應用在實地場域的能力。
- 課程目標
- 學習智慧製造 4 大主題理論：
- 瑕疵檢測
- 生產計劃與排程
- 供應鏈與存貨決策分析
- 製程參數最佳化
- 透過上機習作動手操作，熟悉智慧製造的技術實作。
- 選擇一項主題，進行專題實作，培養智慧製造專案實作的能力。
- 修業期間
自 2022 年 4 月 16 日起，至 6 月 11 日止，共 9 週。
- 上課方式
線上結合實體。週四、週五 19:00-21:00 以線上進行，週六 9:30-17:30 為實體課程。
- 可選擇之實體上課地點
- 台灣人工智慧學校台北總校 (新北市板橋區新板金大樓14F)
-
台灣人工智慧學校台中分校 (中國醫藥大學校本部基中大樓 2F)
-
台灣人工智慧學校南部分校 (台南市仁德區勝利一街 18 號)
- 錄取人數
100 名 (得不足額錄取)
- 招生對象
具有 AI 基本知識的技術研發人員與主管 (具備 Python 程式開發能力)。
- 入學條件
本校技術 / 專題 / 案例實作班別 (含技術領袖班、物件偵測技術專題案例班、技術領袖精進班…等) 結業之校友、
通過本班的入學考試。
以上兩點滿足一項即可入學
- 學費標準
每人新台幣 40000 元
- 校友優惠專享
每人新台幣 36000 元
本校技術 / 專題 / 案例實作班別 (含技術領袖班、物件偵測技術專題案例班、技術領袖精進班…等) 結業之校友，於報名時上傳結業證書查核後得免試入學。
本校其他班別 (不包含企業內訓) 校友報名優惠，請於報名時附上學員編號後得參加入學考試通過後入學
- 授課老師
曹譽鐘：台科大講座教授兼人工智慧營運管理研究中心主任
楊凱：Landing AI 副總裁
許嘉裕：國立臺北科技大學工業工程與管理系教授
鄭家年：亞洲大學經營管理學系副教授兼數據研究中心研究組組長
等頂尖智慧製造領域師資
- 報名方式
本招生採網路報名，請於報名截止日 2022 年 3 月 31 日前 (含 3/31 當日) 上網填寫報名資料。請完整填寫報名表，以利完成審核程序。
- 入學考試
考試時間分兩梯次：
第一梯次：2022 年 3 月 18 日 周五 19:00~20:10 ( 3/16 以前的報名者，不含 3/16 當天 )
第二梯次：2022 年 4 月 02 日 周六 14:00~15:10 ( 3/16 至 3/31 當天報名者 )
考試範圍主要是機器學習、深度學習基礎與程式設計，透過線上考試確認應試者的基本能力。程式設計以 Python 作為答題的程式語言。線上考試的形式包括選擇題與程式撰寫。
- 放榜
放榜日期：
第一梯次考試於 3 月 23 日 周三 17:00 後寄發錄取通知
第二梯次考試於 4 月 06 日 周三 17:00 後寄發錄取通知
公布方式：以電子郵件與簡訊寄發錄取通知。
放榜後，考生應主動查詢，獲知錄取後如期辦理註冊，避免因系統擋信或漏信而影響註冊。逾期未註冊者，不得以未接獲通知為由要求補救措施。
- 錄取通知及註冊繳費
- 報名後會收到一封報名登記確認信，待通過入學考試後，會再寄一封電子郵件到報名時所留的信箱通知錄取，請點選信件中的連結網址以完成報名及註冊繳費程序。
- 獲錄取者需於收到錄取通知後 2 天內完成註冊繳費。請於規定時間內辦理註冊及繳費，繳費方式可選擇線上金流 (刷卡) 或非線上金流 (轉帳)，若選擇非線上金流，系統會產生一組虛擬帳號，請務必在繳費期限內完成匯款繳費。繳費後才算完成報名程序。
- 未依規定辦理或逾期未註冊者，取消入學資格，事後不得以任何理由要求補註冊。
- 注意事項
- 請務必於報名前詳閱本項招生簡章規定，避免日後因報名資格不符致被取消報考或影響錄取。
- 上網登錄報名資料之通訊地址、電話號碼及電子郵件地址應正確，否則無法通知而致延誤考試及其他重要事項，其後果需自行負責。
- 錄取者如發現所繳資料有偽造、變造、假借、冒用、剽竊、內容不實、塗改等情事，未入學者取消錄取資格，已入學者開除學籍，並應負法律責任，且不發給任何有關學業之證明，如係在本校結業後始發覺者，除勒令撤銷其結業證書外，並公告取消其結業資格。
- 請詳閱課程資訊相關規定，學校保有修改、變更簡章及相關規定之權利。
- 專題實作包含一天的場域實地參訪，學校將依學員選擇的專題安排參訪地點。參訪的外縣市交通費由學員自行負責；若有需要當地的交通工具，如遊覧車，則由學校安排
- 本班上課方式為「線上課程與實體課程混合進行」
- 請詳閱並同意保密暨權益歸屬同意書。
- 本課程放假日期：6/3 (五) ~ 6/4 (六) 端午節連假。實際放假日期依課表為主。
| 日期 | 時程表 |
|---|
| 2022 / 03 / 18 | 第一梯次入學考試 |
| 2022 / 03 / 23 | 第一梯次入學考放榜 |
| 2022 / 03 / 25 | 第一梯次錄取生註冊繳費截止日 |
| 2022 / 03 / 31 | 報名截止日 |
| 2022 / 04 / 02 | 第二梯次入學考試 |
| 2022 / 04 / 06 | 第二梯次入學考放榜 |
| 2022 / 04 / 08 | 第二梯次錄取生註冊繳費截止日 |
| 2022 / 04 / 16 | 課程開始 |
| 2022 / 06 / 11 | 課程結束 |
- 課程資訊
| 課程摘要 |
- 環境介紹、課程導論，與專題志願選填 (6 小時)
-
- 開發環境介紹、帳號設定 (1 小時)
- 瑕疵檢測 (1 小時)：楊凱 Landing AI 副總裁
- 供應鏈與存貨決策分析 (1 小時)：曹譽鐘 台科大講座教授兼人工智慧營運管理研究中心主任
- 製程參數最佳化 (1 小時)：許嘉裕 國立臺北科技大學工業工程與管理系教授
- 生產計劃與排程 (1 小時)：鄭家年 亞洲大學經營管理學系 副教授 數據研究中心研究組組長
- 學員交流 + 專題志願選填 (1 小時)
- 理論授課 (16 小時)
-
- 瑕疵檢測 (4 小時)：楊凱 副總裁
- 供應鏈與存貨決策分析 (4 小時)：曹譽鐘 教授
- 製程參數最佳化 (4 小時)：許嘉裕 教授
- 生產計劃與排程 (4 小時)：鄭家年 副教授
- 上機習作 (28 小時)
-
- 瑕疵檢測 (7 小時)：AIA 工程師
- 供應鏈與存貨決策分析 (7 小時)：AIA 工程師
- 生產計劃與排程 (7 小時)：AIA 工程師
- 製程參數最佳化 (7 小時)：AIA 工程師
- 專題實作 (4 週，時數 31 小時)
-
- 含場域實地參訪 (8 小時)：場域實地參訪 (依專題題目而定)
- 專題實作引導 (19 小時)：AIA 工程師
- 成果展示與評分 (4 小時)：授課老師 w/ AIA 工程師
- 實務案例分享 (10 小時)
|
|---|
- 退費辦法
退費辦法
