(本課程報名已額滿)-在職菁英人才培育5日班 AI×ESG×製造業實作即日起開始受理報名
  • 企業員工必修知識素養人工智慧概論
  • 熱門AI工具評析與教學
  • 製造業運用AI工具與流程整合實務
  • 落實AI×ESG應用AI輔助碳盤查、能源分析與策略擬定工具教學。






課程簡介
為強化我國產業的韌性與競爭力，經濟部成立「產業競爭力輔導團」，經濟部產業發展署透過「在職菁英計畫」開設AI應用實作課程，協助企業培訓AI應用，提升數位轉型所需之關鍵人才。
本課程透過30小時的密集實戰教學，系統性地引領學員跨越AI技術門檻。課程分為三大部分，第一部分著重近年來全球淨零與AI浪潮同步席捲，透過ESG發展與AI碳管理工具教學與實作，以AI工具帶領學員輕鬆面臨減碳要求；第二階段，著重製造業AI工具使用發展與做法，以資料與工具整合角度，帶領企業學員了解AI工具善用AI工具進行公司各項流程管理，最後提供學員通用人工智慧概論與AI工具解析，每部分課程並搭配初階之工具使用教學，提升學員對於課程之理解與吸收能力。
本課程結合技術實務、專題實作與企業應用策略的進階培訓，將提升學員在AI浪潮下加速推動數位轉型與淨零永續布局。
課程目標
1.建構 AI 基礎：從概念到實作，快速掌握數位工具。
2.精準導入 AI：解析製造業痛點，選定最佳應用題目。
3.落實雙軸轉型：運用 AI 高效推進碳盤查與足跡計算。
4.產出實戰專題：透過分組實作，帶回企業專屬解決方案
課程特色
1.落實雙軸轉型：解析實務案例，引導完成 AI 專題，讓應用方案直接落地企業。
2. AI 實戰演練：從基礎認知到上機操作，快速強化數據整理與 AI 工具應用力。
3.聚焦雙核心：直擊「智慧工廠」與「碳管理」，透過工具展演無縫接軌實務工作。
學員對象
為協助經濟部產業發展署透過「在職菁英計畫」開設AI應用實作課程，協助企業培訓AI應用，提升數位轉型所需之關鍵人才，
以「在職於國內依法登記成立的製造業（C類）」之員工為優先錄取對象。
1.以AI技術推動數位轉型與策略落地的業務執行人員
2.從事企業資料整理、分析與AI應用專案的研發或專案人員

【備註：同一公司每班報名人數建議上限為2名】

課程資訊
本課程學費由經濟部產業發展署補助，經遴選資格通過者「免費報名參加」。
【舉辦地點】：臺南市新市區西拉雅大道861號(成大台達大樓)
【舉辦日期】：115年10月06日、13日、14日、19日、20日；每天09:00~16:00；共計30小時
【招生名額】：25人，依參訓資格及報名完成順序額滿為止。
【報名方式】：請填妥報名表及個資同意書(親簽)，email至 rdtsp.ncku@gmail.com回傳後兩天內若無收到主辦單位回信，請務必來電確認
【課程洽詢】：周小姐(06) 505-6653 
  主辦單位：經濟部產業發展署  | 執行單位：工業技術研究院 產業學院產業服務中心
  協辦單位：財團法人成大研究發展基金會、成大產學創新總中心南科業務組
貼心提醒
1.參訓學員請自備筆記型電腦。
2.為確保您的上課權益，報名後辦課單位會進行資格審查，若您於開課前一周未收到任何回覆，敬請來電洽詢。
3.為配合講師時間或臨時突發事件，主辦單位有調整日期或更換講師之權利。
4.為尊重講師之智慧財產權，請勿錄影、錄音，恕無法提供課程講義電子檔。
5.本活動現場供應茶水，不提供紙杯、杯水及包裝飲用水，請與會來賓自備環保水杯。
6.本課程為經濟部產業發展署補助計畫，受訓學員需填寫個人基本資料與相關同意書，並於每堂課程須配合課程進行簽到、簽退及考試，且結訓學員需配合經濟部產業發展署培訓後電訪調查
7.本課程之辦理型態以實體或混成課程為原則學員如有所在地偏遠或其他不利到場上課之原因，得採線上方式參與惟仍須確保實作部分能有效進行。

★報名請點此(請點選左上角檔案→下載 即可下載檔案)
★個人資料提供同意書請點此(請點選左上角檔案→下載 即可下載檔案)

依據開課規定選擇線上課程之學員需經主辦單位確認是符合在地偏遠或其他不利到場之原因，須請學員詳述原因，以利佐證。

【第一天】人工智慧概論與AI工具發展通論
時間：2026/10/06(二) 09:00-16:00
主講人：臺彥博
講師課程內容大綱：
● 提示詞教授與實作
核心觀念教授：環境設定與關鍵 Prompt 框架、學員個人工作問題實作、現場成效盤點與互動
●人工智慧總覽
AI 的發展歷程與趨勢：經歷推理期、專家系統，演進至如今以機器學習、深度學習及大數據為核心的第三波浪潮。AI資料整理與盤查文件生成電腦視覺技術介紹圖像在電腦中的表示方式：
(1) 二維灰度及三維彩色（RGB通道）。
(2) 核心演算法原理：卷積運算與篩選器內核（Kernel）操作、3x3內核邊緣檢測（Canny）與物件偵測（YOLO）。
 ●AI 技術原理解析
AI 與大數據的 4V 關係：Volume(數據量)、Velocity(數據速度)、Variety(處理多樣性數據，如設備訊號/報工資料)、Veracity(確保真實與品質)。
 ●自然語言處理與生成式 AI
(1) 機器學習（Machine Learning）：監督式學習（帶標籤訓練，如瑕疵/正常品過濾）、非監督式學習（無標籤群組，如客群與物料分類）、半監督式與增強式學習（透過試錯與獎懲機制學習最佳策略）。
(2) 深度學習（Deep Learning）：利用多層神經網路模仿人腦工作，自動提取複雜特徵。

【第二天】製造業 AI 應用全景與導入策略
時間： 2026/10/13(二) 09:00-16:00
主講人：黃煒盛
講師課程內容大綱：
●製造業AI場景發展
2026 年製造業 AI 導入現況、國內外標竿案例與常見迷思、八大應用場景與導入優先順序;回收較快之場景辨識、導入失敗四大主因與治理要點:變革管理、指標設定、資料品質、資安
資安原則：公開資料集操作,機敏資料不上傳公開工具
●製造業運用生成式 AI 原理與提示工程核心技巧
大型語言模型運作原理、Token 概念與能力邊界、幻覺(Hallucination)的成因、製造業風險情境與五個查核訊號、六欄位提示框架:角色、任務、對象、格式、限制、素材製造業提示詞範本:程序書生成、報告摘要、對外溝通、輸出驗證機制:資料接地、分級審核、升級管道設計
●任務一：由訪談逐字稿生成設備保養程序書草稿,並檢視待確認項目
●任務二：將月度品質報告摘要為一頁決策重點並查證數據
●任務三：同一異常事件,分別撰寫致客戶、主管與供應商之郵件
傳統 AOI 原理與限制、AI-based AOI、瑕疵檢測流程與實務案例(PCB／面板／外觀檢測)
●迭代追問技巧：人工審核要點:數據查證、因果推論與責任措辭
●機器視覺瑕疵檢測原理與無程式碼工具
●自動光學檢測(AOI)原理、系統組成與其限制
從撰寫規則到餵入資料：AI 影像檢測的突破與適用條件、評估指標:準確率陷阱、精確率與召回率、過殺與漏檢取捨混淆矩陣判讀方法與製造業之判斷原則、無程式碼 AI 工具地圖:類別區分、選型判準與能力邊界
●【實作】鑄件瑕疵分類模型訓練
使用公開鑄件瑕疵影像資料集(Casting Product Image Data)、以 Teachable Machine 建立良品與瑕疵類別並上傳影像、執行模型訓練、即時測試並觀察信心分數之變化、以保留影像驗收,計算準確率並繪製混淆矩陣
資料標註品質與類別平衡之影響、【實作】螺絲缺陷檢測軟體建置、使用已完成前處理之螺絲缺陷資料集(良品與瑕疵已分類)、訓練螺絲缺陷檢測模型,並匯出雲端模型連結、以 Vibe Coding 建立檢測網頁：影像上傳、判定結果與信心分數
加入信心門檻與「需人工複判」機制,體驗漏檢與過殺取捨、成果驗收與能力邊界：與正式產線檢測系統之差距
【第三天】AI工具於碳盤查之應用
時間：2026/10/14(三) 09:00-16:00
主講人：陳峙霖
課程內容大綱：
●國際碳管理趨勢與ESG發展
國際趨勢與供應鏈要求、ISO 14064-1＋GHG Protocol重點解析、架構整合與盤查流程、排放源鑑別與量化實務、Scope 1、2、3重點說明
●AI工具於碳盤查之應用
AI工具介紹與實作、AI資料整理與盤查文件生成
●運用AI工作進行碳盤查實作演練
教學員如何從現場痛點轉換成 AI 題目，並以「效益大小、資料可得性、導入難度、可驗證性、現場接受度」評估優先順序。
●用AI工作進行碳盤查實作演練
組織型盤查案例演練分組討論與實作

【第四天】AI工具於碳足跡之應用/AI工具於碳盤查之應用
時間：2026/10/19(一) 09:00-16:00
主講人：陳峙霖
講師課程內容大綱：
●ISO 14067與產品碳足跡概論
產品碳足跡量化、產品碳足跡資料蒐集原則
●AI協助產品碳足跡建模
AI工具使用說明、數據可視化
●【運用AI工作進行碳足跡實作演練
分組討論與實作、專案成果評析
●製造業 AI 導入共識與應用場景
●建立 AI 導入觀念，說明製造業常見痛點與 AI 可應用的流程位置。
●製造業 AI 案例解析
●解析品質、設備、生產、能源、文件與管理報表等跨產業 AI 應用案例。
●AI 題目辨識與可行性判斷
●說明如何從痛點、資料、效益、使用者與流程配合度判斷 AI 題目是否值得導入。
●資料盤點與 POC 導入規劃
說明資料來源、資料品質、標籤、系統整合、POC 範圍設定與導入流程。
●導入風險、題目盤點演練與課程總結
●說明導入失敗原因、避坑重點，並透過簡短題目盤點協助學員收斂可執行方向。
【第五天】製造業 AI 應用實務認知與訓練
時間：2026/10/20(二) 09:00-16:00
主講人：蔡文豪
課程內容大綱
●製造業 AI 導入共識與應用場景
●建立 AI 導入觀念，說明製造業常見痛點與 AI 可應用的流程位置。
●製造業 AI 案例解析
●解析品質、設備、生產、能源、文件與管理報表等跨產業 AI 應用案例。
●AI 題目辨識與可行性判斷
●說明如何從痛點、資料、效益、使用者與流程配合度判斷 AI 題目是否值得導入。
●資料盤點與 POC 導入規劃
●說明資料來源、資料品質、標籤、系統整合、POC 範圍設定與導入流程。
●導入風險、題目盤點演練與課程總結
●說明導入失敗原因、避坑重點，並透過簡短題目盤點協助學員收斂可執行方向。
●企業 AI 題目選定與資料盤點
學員分組選定一個製造業 AI 題目，完成初步問題定義、使用者情境、資料來源盤點、資料缺口與預期改善目標。
★主辦單位及講師保留調整課程內容及教室操練地點之權利

講師簡介

★臺彥博
現職：財團法人成大研究發展基金會 博士級研究員
專長：AI工具整合應用、電腦視覺、人工智慧概論

★黃煒盛
現職：嘉南藥理大學 副教授兼AI創新應用推動工作小組執行長
專長：人工智慧生活應用、智慧健康生成式AI實務應用

★陳峙霖
現職：成創永續股份有限公司總經理暨技術長
專長：企業永續、以生成式AI建立能源管理路徑、節能減碳


★蔡文豪
現職：森淨科技股份有限公司總經理
專長：機器/深度學習演算法建模、企業智慧管理平台開發與研究、AI工具整合