描述
資料科學的應用範圍在工商業各領域持續不斷地發展，本門課程以豐富的業界專案經驗以及和工研院合作多年實體授課的服務經驗。首次為好學校的朋友推出第一門資料科學結合工業製程應用之課程，期望為大家解決工業製程的難題。
身處連續性製程產業的您，是否會遇到以下問題呢？
– 製程資料轉換、處理與清理上遭遇很大的難題
– 管理者要節能？客戶要品質？兩者要如何兼顧
– 好多製程參數，到底該看哪個呢
– 哪些可能是被忽略的製程資料重要變數或可調整變數
– 製程資料處理的成果如何與管理者溝通
▲ 圖一：身處連續性製程產業所遇到的問題
講師從智慧專案服務經驗出發，將「製程數據資料」與「資料科學」結合，研發出一系列完整的「工業人工智慧」系列課程內容。期望透過實際案例，讓有心學習工業人工智慧的初學者，透過本門課程的實戰案例，將習得的心法套用在自身的資料及工作上。
本門課將帶領您入門工業人工智慧的資料處理與互動視覺化操作等各種細節，並做出讓自己、老闆與主管可快速溝通的成果！建構資料分析入門的第一步！
本課程從課程受眾的角度切入，協助工業製程分析人員解決以下問題：
– 面對分秒產生的大量製程資料、遺漏值，如何去蕪存菁
– 面對製程參數監控、節能調整、關鍵變數挑選
– 如何善用資料分析的工具，解決當下痛點預測未知問題
– 持續優化製程，逐步完成進入工業人工智慧的階段性目標
本課程計分為七大特點：
工業人工智慧應用案例
從全球前 10 大之一的智慧製程資料中，帶您了解工業人工智慧實戰應用，並學習工業製程中時常遇到的問題與解決方法，如：如何挑選有用的製程參數、如何讓主管與執行人員擁有一致的「參數」調整目標、AI 在製程資料上可以怎麼使用等相關重要案例概念。
Python 工業人工智慧 0 到 1 基礎起手式
以工業人工智慧的角度，學習扎實的 Python 實戰基礎，為本課程後續智慧製程資料處理面與視覺互動面實戰打下良好的基礎。
智慧製程資料處理面
學習整合與智慧製程資料處理時，常會遇到的問題，包括：遺失值處理與統計、製程資料的時間序列處理、製程資料的關聯式資料操作等。並供業界解決方法以及與主管溝通的步驟。全程結合 Python 資料科學實戰，以實際案例全盤演示資料處理流程，如圖二所示。
▲ 圖二：智慧製程資料處理面
智慧製程視覺互動面
將資料處理後，視覺化呈現是溝通的重要工具之一，本課程教您如何應用智慧製程資料互動視覺化的技巧，以統計方法檢測可能被忽略的異常狀況，進而快速檢測異常狀況，再以互動網頁視覺化全盤尋找可能被忽略的異常值，確立往後分析的正確性，如圖三所示。
▲ 圖三：智慧製程視覺互動圖表
🎯 對 Python 初入茅廬的初學者
想以工業人工智慧的角度，從零開始學習 Python，並為後續的資料處理、互動視覺化操作奠定良好的基礎。
🎯 想了解如何應用資料科學於工業領域的朋友
想從全球前 10 大智慧製程資料中，了解工業人工智慧實案應用、Python 實戰操作、實案資料處理與視覺化操作等各種細節。
🎯 有相關工業人工智慧資料處理分析等經驗者
想提昇學習資料處理優化的技能，如：異常值處理與檢測、遺失值處理、資料整合技巧，乃至於與管理者在資料處理上溝通的技巧與步驟，以優化您的工作流程。
▲ 圖四：適合對象
臺灣行銷研究 ( TMR ) 將豐富的業界與工研院服務之經驗，結合自身製程統計的實戰經驗，從工業人工智慧角度出發，將「製程數據資料」與「資料科學」結合，以深入淺出的教學方法，降低工業人工智慧的學習門檻。
- 業界服務經驗：以宏觀的角度來思索工業領域對於企業自身所掌握的數據
- 專案式教學：用專案導向案例實作，講解如何達到目標及所面臨的問題
- 管理意涵解讀分析成果：從呈現數據資料集、運用分析工具手法、分析結果的思維解讀
- 教學經驗豐富：用深入淺出的演示方式，讓學員能身歷其境，建立數據新思維
本門課各章節之學習目標如圖五所示。
▲ 圖五：課程學習目標
本課程將分為六大章節，手把手帶您從 Python 0 到 1 開始，以深入淺出的方式，教會您智慧製程資料處理面及視覺互動面，並將 Python 應用於工業人工智慧。
本課程大綱如圖六所示：
