結合台積電經驗的深度學習應用
運用深度學習技術實現晶圓製程異常自動化偵測與分類。此系統整合 AI 模型與製造數據,
能即時辨識晶圓表面缺陷並進行分類,大幅提升品質檢測效率。專案中運用了卷積神經網路(CNN)
進行影像辨識,並結合製程參數分析,達到高準確率的缺陷檢測。此專案展現了將 AI 技術實際
應用於半導體製造業的能力,是理論與實務結合的最佳範例。
工業 4.0 智慧製造解決方案
開發即時監控系統,整合感測器數據與機器學習演算法,實現製程參數的即時追蹤與異常預警。
系統採用 Python 開發,運用時間序列分析與異常檢測演算法,能在異常發生前提前預警,
協助製造業者降低良率損失。此專案展現了物聯網(IoT)、大數據分析與 AI 的綜合應用能力,
是智慧製造領域的實戰案例。
金屬加工智慧化即時監測
針對 CNC 加工設備開發製程異常偵測系統,整合振動感測器與主軸電流訊號,透過機器學習演算法進行即時異常辨識。
系統能有效偵測刀具磨耗、切削異常等製程問題,提前預警以降低廢品率。結合工業通訊協定與邊緣運算架構,
實現低延遲的現場部署,符合金屬加工產業智慧升級需求,為政府計畫核心技術成果之一。
基於論文架構的工業 AI 模型復刻與開發實證
以兩篇國際論文為研究基礎:Deep Learning for Anomaly Detection in CNC Machine Vibration Data: A RoughLSTM-Based Approach 與 Smart Data Collection System for Brownfield CNC Milling Machines: A New Benchmark Dataset for Data-Driven Machine Monitoring。由於論文均未釋出原始碼,本專案依據論文中所提出的模型架構、實驗設計及資料蒐集流程,獨立完成完整的程式復刻與驗證,充分展現從學術論文理解到工程實作的語言開發能力。
模型結合長短期記憶網路(LSTM)與粗糙集理論(Rough Set),針對 CNC 振動數據進行異常偵測;資料蒐集系統則整合棕地(Brownfield)工廠現有設備,建立可複用的基準資料集。透過系統化的消融研究(Ablation Study),驗證各模組對預測精度的貢獻,持續優化模型架構。
系統性資料工程訓練,從蒐集到視覺化的完整流程
系統性資料工程訓練課程,帶領學員建立從資料蒐集到價值提煉的完整工程思維,培養數據驅動分析的核心能力。
爬蟲技術
突破動態 / 靜態限制與反爬蟲機制,精準萃取目標數據
資料清洗
處理遺失值、型態轉換與欄位標準化,確保資料品質
NLP 情緒分析
運用情緒分析或統計指標,提煉隱藏的商業價值
視覺化呈現
將生硬數據轉化為高互動性、易讀的圖表與儀表板
10 個從 60 到 100 分的學員養成專案
以「做中學」為核心理念,帶領學員從 10 個真實情境出發,建立程式設計的系統思維與動手實作能力。每個專案聚焦單一核心能力,逐步累積後形成完整的工程師思維。課程標榜 60 分的基礎原型,開啟學員通往 100 分作品的道路。
01 基礎介面:簡易計算機
tkinter GUI · 事件綁定 · 例外處理
02 系統整合:診所掛號系統
語音合成 · 個資遮罩 · 多功能整合
03 商業邏輯:庫存管理系統
類別管理 · 可擴充架構 · CRUD
04 程式架構:超級瑪莉小專案
OOP · GitHub 閱讀 · Class 設計
05 數據分析:零錢需求分析工具
CSV 處理 · 機率模型 · P50/P75/P95
06 機率邏輯:簡易抽卡小遊戲
Random 套件 · SSR/SR/R 權重 · UI 設計
07 自動化辦公:菜單轉標單系統
Excel 自動化 · 智慧分類 · 精準採購
08 AI 初步:可愛語音小助理
Wikipedia API · 語音辨識 · 對話回饋
09 趨勢預測:股票視覺化系統
SMA · MACD · RSI · 時序分析
10 演算法應用:專案管理工具
CPM · AOE 演算法 · 動態網絡圖 · ES/EF