Key Technology for Anomaly Detection on Industry Data
Last Updated Date 2022-04-12
- Course Sorts:Talent Cultivation Project for intelligence network technology and application / Alliance of Intelligence Manufacture Electronic Application
- Course Introduction:
課程特色:真實工業數據資料搭配多視角學習
課程目標:本課程模組期望能夠透過問題導向式學習,使學生能夠
1)瞭解實際晶圓製造上所需問題。
2)透過分組討論詳細考量解決問題所需注意事項。
3)如何將問題明確描述。
4)針對資料特性,利用電機及資訊領域專門的知識,規劃了整套解法與實驗實作。
因此,本課程學生於此模組中,除了能透過問題導向式學習,深入學習半導體製造資料的特性、並針對多視角資料學習之相關知識及技術進行學習與實作,除了讓學生了解半導體製程產業界最新理論與技術資訊,也能夠針對產業相關問題進行發問,更了解什麼能力對產業來說重要,或是未來生涯規劃上更有方向。
課程章節 :
章節內容
單元一:整體課程簡介
單元二:異常偵測簡介
單元三:單來源資料學習
單元四:多來源資料學習
單元五:時空間資料簡介
單元六:時空間資料表示法
單元七:時空間資料相似度計算
單元八:時空間資料分析簡介
單元九:機器學習於視覺應用簡介
教學進度:
課程目標:本課程模組期望能夠透過問題導向式學習,使學生能夠
1)瞭解實際晶圓製造上所需問題。
2)透過分組討論詳細考量解決問題所需注意事項。
3)如何將問題明確描述。
4)針對資料特性,利用電機及資訊領域專門的知識,規劃了整套解法與實驗實作。
因此,本課程學生於此模組中,除了能透過問題導向式學習,深入學習半導體製造資料的特性、並針對多視角資料學習之相關知識及技術進行學習與實作,除了讓學生了解半導體製程產業界最新理論與技術資訊,也能夠針對產業相關問題進行發問,更了解什麼能力對產業來說重要,或是未來生涯規劃上更有方向。
課程章節 :
章節內容
單元一:整體課程簡介
單元二:異常偵測簡介
單元三:單來源資料學習
單元四:多來源資料學習
單元五:時空間資料簡介
單元六:時空間資料表示法
單元七:時空間資料相似度計算
單元八:時空間資料分析簡介
單元九:機器學習於視覺應用簡介
教學進度:
第一周 | 基於多視角學習之異常偵測 |
第二周 | 時序性資料探勘於製程資料之應用 |
第三周 | 用於辨識製造缺陷之深度視覺演算法 |
Course Attachments
Update Time 2022-04-12 18:43:11
Download Times 0 工業數據異常分析
- 智慧聯網-製造聯盟-工業數據異常偵測關鍵技術-工業數據異常分析-1.rar(19.08 MB)
Update Time 2022-04-12 18:44:05
Download Times 0 shuai_FINAL
- 智慧聯網-製造聯盟-工業數據異常偵測關鍵技術-shuai_FINAL-1.rar(115.87 MB)
- 智慧聯網-製造聯盟-工業數據異常偵測關鍵技術-shuai_FINAL-2.rar(82.24 MB)
- 智慧聯網-製造聯盟-工業數據異常偵測關鍵技術-shuai_FINAL-3.rar(109.24 MB)
- 智慧聯網-製造聯盟-工業數據異常偵測關鍵技術-shuai_FINAL-4.rar(111.20 MB)
- 智慧聯網-製造聯盟-工業數據異常偵測關鍵技術-shuai_FINAL-5.rar(287.25 MB)
- 智慧聯網-製造聯盟-工業數據異常偵測關鍵技術-shuai_FINAL-6.rar(286.94 MB)