跳至主要內容

    製造設備故障分類:傳統 ML 與深度學習實作

    同一份合成設備感測資料,比較傳統 ML 與 PyTorch MLP 的故障分類。

    進階 · 首發登記

    故障是少數類;先問漏報多少、誤報要誰看,再決定模型複雜度。

    Outcomes

    學完你能做到

    • 定義設備當筆故障分類的輸入、標籤與使用邊界。
    • 排除識別欄與故障模式欄,建立可重現切分。
    • 訓練邏輯迴歸、樹模型與 PyTorch MLP。
    • 用 PR-AUC、混淆矩陣與閾值比較誤報和漏報。
    • 交出模型卡、錯誤案例與人工覆核流程。

    Audience

    適合誰,不適合誰

    已有 Python 基礎,想學會核對故障分類的模型指標。

    你可能正卡在這裡

    • 模型準確率很高,卻可能漏掉多數故障。
    • 把故障模式欄當特徵,得到無法使用的漂亮分數。
    • 只比較排行榜,沒有交代警報閾值和人工覆核。

    可能不適合你,如果你

    • 尚未具備 Python、DataFrame 與基本分類指標基礎的人。

    Curriculum

    課綱

    首發課,章節依登記學員的問卷回饋微調後定案。

    1. 01一|設備題目與資料邊界能明確說出這是同筆故障分類,並建立可信特徵表。主案例:UCI AI4I 合成設備資料。
      • 定義故障分類與人工處置
      • 讀懂六個感測與類別特徵
      • 排除洩漏欄與檢查標籤比例
      • 建立固定訓練驗證測試切分
    2. 02二|先做傳統 ML 基線能訓練簡單模型並用少數類指標評估。主案例:UCI AI4I 合成設備資料。
      • 多數類與邏輯迴歸基線
      • 樹模型與特徵檢查
      • 選擇 PR-AUC 與混淆矩陣
      • 固定比較條件與保存模型
    3. 03三|同題訓練深度學習能在相同資料切分上訓練 MLP 並辨識過擬合。主案例:UCI AI4I 合成設備資料。
      • 把表格資料送進 PyTorch
      • 建立小型 MLP 與損失函數
      • 追蹤驗證損失與早停
      • 產生可比較的故障機率
    4. 04四|從分數回到維修決策能選擇閾值並展示不同錯誤成本。主案例:UCI AI4I 合成設備資料。
      • 比較模型與簡單模型的價值
      • 用警報量與漏報量選閾值
      • 切片看設備型別與錯誤
      • 設計人工覆核與停止規則
    5. 05五|交付可重現模型作品能讓他人重跑結果並看清使用限制。主案例:UCI AI4I 合成設備資料。
      • 封裝單筆推論與欄位檢查
      • 重跑模型比較與鎖定版本
      • 撰寫模型卡與限制
      • 展示維修警報試點規劃

    Deliverables

    你會帶走的東西

    • AI4I 資料字典與防洩漏清單
    • 可重跑的 scikit-learn 與 PyTorch Notebook
    • 同條件模型比較、閾值決策與錯誤案例簿
    • 模型卡與人工覆核流程

    Tools

    會用到的工具,怎麼接到工作上

    • UCI AI4I 2020(CC BY 4.0;合成資料)
    • Python 3.12
    • pandas 2.x
    • scikit-learn 1.x
    • PyTorch 2.x
    • JupyterLab 4.x
    • Git
    對應職務
    製造資料科學協作、機器學習工程師、設備分析工程協作
    實際場景
    • 合成設備當筆故障分類
    • 模型漏報/誤報與警報閾值比較
    • 人工覆核流程設計

    Prerequisites

    上這門課之前與之後

    建議先具備

    具備 Python 函式、pandas DataFrame、訓練/測試切分及混淆矩陣基礎

    實戰營

    帶著 AI4I 的防洩漏清單、模型比較、錯誤案例與模型卡進 AI Builder 實戰營,在 Define、Understand、Architect、Build、Verify、Present 改用你自己工作上的真實資料,檢查現場限制。

    看梯次與報名 →

    FAQ

    常見問題

    怎麼購買線上課?

    選定課程後會前往 Teachify 課程頁完成結帳;本站提供介紹與導流,不在本站收款。實際結帳金額以 Teachify 顯示為準。

    課程能看多久?

    觀看期限以各課 Teachify 購買頁與結帳條款為準;發布前請先核對,不在本站承諾固定期限。

    線上課與 AI Builder 實戰營有什麼不同?

    線上課依課綱自學一段能力;實戰營是 4–6 週線下小班,每週 Project Review,最後以 Demo Day 呈現專案。

    完課能折抵實戰營學費嗎?

    可以。完成線上課後可折抵 AI Builder 實戰營學費;折抵金額、期限、是否可累計及申請方式,請以當期實戰營公告為準。

    沒有程式基礎可以上嗎?

    入門課可從工作情境或電商訂單開始;RAG、進階開發及製造設備故障分類需要相應 Python、Git 或分類指標基礎,請先看各課先修條件。

    首發登記等於報名或付款嗎?

    不是。首發課尚未錄製,問卷只用於需求調查與早鳥價登記;正式開賣與付款方式另行公布。

    可以開發票嗎?

    線上課由 Teachify 結帳;發票開立方式與抬頭請以結帳頁資訊及實際銷售方規則為準,企業採購可先洽詢。

    企業可以團購或安排內訓嗎?

    可以提出企業採購或內訓需求,請提供人數、課程與預計時程;報價與授權範圍由團隊確認後回覆。

    買組合包後,可以依自己的速度上課嗎?

    組合方案含指定的既有課程;各課觀看期限、開通方式與是否可分開購買,請以 Teachify 實際方案頁為準。

    完成課程就能直接進實戰營嗎?

    線上課可補基礎並準備題目;實戰營仍須依當期公告的報名與審核流程辦理。

    Early Access

    兩門首發課,先登記你真正需要的能力

    電商營收下滑診斷、製造設備故障分類仍在製作。先填 4 題課前問卷,登記首發早鳥價;你的回答會幫助講師確認案例與錄製重點。

    想登記哪一門?
    目前最接近你的身分?
    你最想解決哪一種問題?
    目前最常用的資料工具是什麼?
    請描述一個你想分析或建模的真實題目,以及你希望做出的決定。