>
課程資訊
適用對象
課程特色
詳細內容
師資介紹
我對本課程有興趣
與我諮詢 / 報名
課程資訊
開課日期
2025-07-18
學習時程
6H
上課時間
週五
上課時段
上午,下午
適用對象
•電子、電機、機械工程師，希望強化訊號處理與AI應用能力。
•數據科學家、AI工程師，希望深入了解時序數據與AI模型的最佳應用方式。
•自動控制、智慧製造相關人員，希望掌握感測器數據處理技術。
•醫療與生物資訊分析師，關心生醫訊號的智能分析應用。
•金融分析師與量化研究員，關注時序數據分析與AI預測模型。
•管理決策者與研究人員：透過案例解析掌握訊號處理與AI在各領域的最新發展。
課程特色
• 掌握時序訊號處理的基礎技術：學習傅立葉轉換、短時傅立葉轉換(STFT)、小波轉換(Wavelet Transform)頻譜分析、濾波技術等核心概念。
• 理解機器學習在訊號處理中的應用：包括特徵提取、降維(PCA)、時間序列建模(ARIMA)等技術。
• 探索AI在訊號處理的進階應用：介紹深度學習模型(CNN、RNN、Transformer)如何提升訊號分類、異常偵測與預測能力。
• 應用案例解析：透過實際數據分析與模型訓練，讓學員能夠將所學技術應用於生醫訊號、工業感測、智慧交通、金融時序分析等領域
• 理解機器學習在訊號處理中的應用：包括特徵提取、降維(PCA)、時間序列建模(ARIMA)等技術。
• 探索AI在訊號處理的進階應用：介紹深度學習模型(CNN、RNN、Transformer)如何提升訊號分類、異常偵測與預測能力。
• 應用案例解析：透過實際數據分析與模型訓練，讓學員能夠將所學技術應用於生醫訊號、工業感測、智慧交通、金融時序分析等領域
詳細內容
|
智慧訊號處理與AI實戰：從時序分析到產業應用 |
|||
|
課程名稱 |
課程內容 |
授課講師 |
時間 |
|
智慧訊號處理與AI實戰：從時序分析到產業應用 |
• 時序訊號概論 • 傅立葉轉換與頻域分析 • 進階時序分析技術 • ML於時序訊號應用 • AI模型與時序訊號處理 • 案例分析與討論 |
莊博士
工研院/研究員 交通大學電機博士 |
2025/07/18 09:00~16:00 |
師資介紹
你可能會喜歡...
與我諮詢 / 報名
