|
本課程旨在精進產業人才對 AI AOI 系統的技術定義與架構選擇能力 。研習內容結合實務資料集（如 Kaggle 公開之 PCB Defects），引導學員針對「瑕疵分類」與「瑕疵定位」兩大核心技術進行深度探討與應用實作 。課程採「技術基礎 ➔ 實作演練 ➔ 雲端部署」三階段遞進式教學，確保學員具備掌握系統架構並將 AI 技術轉化為落地產線解決方案的實戰實力。
研習重點包含以下四大模組：
- 模組一：深入解析 AI 影像辨識基礎與半導體 AOI 應用場景導論 。
- 模組二：PCB 瑕疵分類實作與雲端服務部署，探討模型重用性架構 。
- 模組三：YOLO 物件偵測技術原理分析、損失函數與推論流程解析 。
- 模組四：瑕疵偵測實作、模型訓練與邊緣/雲端部署整合，解決半導體相關製程中的視覺干擾與瑕疵多樣化問題 。
本研習課綱已參考本校推廣教育中心過往「Python 與 AI 影像辨識應用班」之學員回饋，精準鎖定產業技術人才缺口，具備極高之技術引領性與實務價值 。
|
|
編號
|
課程名稱
|
課程大綱
|
授課師資
|
時數
|
|
1
|
AI 影像辨識基礎
|
卷積神經網路（CNN）原理與半導體 AOI 應用導論
|
陳泓勳
|
3
|
|
2
|
瑕疵分類實作
|
PCB 瑕疵分類：以 Kaggle 資料集建構模型並進行雲端部署
|
陳泓勳
|
3
|
|
3
|
物件偵測技術
|
YOLO 系列模型介紹、損失函數與推論流程解析
|
陳泓勳
|
3
|
|
4
|
瑕疵偵測實作
|
PCB 瑕疵偵測：實作物件偵測模型訓練與雲端服務整合
|
陳泓勳
|
3
|
|
課程總時數
|
12
|
參考本校光復校區地圖查詢如下: http://ew.ev.nycu.edu.tw/html/img/evmap2021.jpg 或 https://www.nycu.edu.tw/about/campus-maps/
光復校區優惠停車卷：開車者可購買停車卷(計次：50元/次)(請向承辦人員購買)。騎乘機車者無法駛入校園,請將機車停於校門口附近機車棚(北門C棚、南門H棚)再走進來。
