產業AI規劃應用技術實務班

始業式30分鐘與AI基礎思維。什麼是AI、機器學習與深度學習？用最通俗的語言（如非黑即白的規則 vs. 讓機器自己看圖學規律）解說核心原理。介紹製造業從自動化走到「智慧化」的關鍵技術演進。
製造業常見 AI 案例剖析、深入拆解智慧工廠四大經典場景：設備預測性維護（預知保養）、電腦視覺品質瑕疵檢測（AOI 升級）、生產排程優化、以及物料需求預測。透過真實案例，讓學員理解 AI 能解決什麼、不能解決什麼。
AI應用準則、倫理與風險管理、介紹數據隱私、資安風險與智財權（如生成式 AI 的智慧財產權爭議）。探討 AI 模型可能產生的「幻覺」與偏誤，以及企業在導入時該如何進行風險控管。
企業應用 AI 的導入流程與問題評估、教導學員如何進行「定義(Define）」、「資料評估（Assess）」與「效益分析（ROI）」。學員將學習如何評估廠內現有的數據（如 ERP、MES、機台 Log）是否具備轉化為 AI 訓練資料的價值，並分組討論嘗試規劃出企業的第一份 AI 提案圖。
機器學習基礎與實務數據處理、理解型態分類（如分類問題與迴歸問題）。使用免程式碼工具進行基礎數據預測，實作資料清理與特徵選取對模型準確度的影響。
電腦視覺應用與現場物件辨識實作、電腦視覺（CV）的基本原理、影像分類與物件偵測（Object Detection）的差別、工廠瑕疵檢測的標註原則。現場利用筆電鏡頭或準備好的零件照片，使用 No-Code 平台進行影像資料標註（Labeling）、模型訓練與即時測試（如辨識不同螺絲、零件或區分良品/不良品），體驗 AI 視覺檢測的完整生命週期。
No-Code / Low-Code 工具與 AI 解決方案架構、什麼是 No Code/Low-Code？在企業敏捷開發與概念驗證（PoC）中的優勢與重要性。 使用現代數位工具進行自動化流程與 AI 服務的初步串接測試（如體驗如何不寫程式也能呼叫 AI API 進行基礎資料處理）
生成式 AI 核心原理與高階 Prompt 工程實作大語言模型（LLM）的發展、運作本質與能力邊界。精準提示詞（Prompt Engineering）實戰。手把手帶領學員掌握角色設定、Few-Shot 範例提示、思考鏈（CoT）等技術。實作如何利用 LLM 撰寫工廠標準作業程序（SOP）、生成技術報告草稿、甚至進行機台異常代碼的第一線智慧客服應答。
AI Agent 深度理論 (大腦、工具、記憶)。 No-Code 實作 (使用Agent 平台，現場練習串接一個簡單的自動化流程)。
分組針對一個機械業常見問題 (如：備件庫存預測、老師傅經驗庫建置、合約核對) 進行設計並製作 5-7 頁 PPT。成果分享與點評。每組 5-8 分鐘發表，由講師給予「落地可行性」的反饋。

學歷：不限
年齡：年滿15歲以上
資格條件：具備電腦操作能力，將來有意成為專業AI轉型顧問或專業服務人員