
本課程旨在協助紡織染整企業運用AI智慧化配色技術,提升染色製程效率與一次對色率,減少重複修色、染料浪費及水資源消耗。課程結合色彩學理論、分光儀原理及AI電腦配色系統,帶領學員了解色彩數據化溝通、色差公式、歷史配方搜尋及AI自動配方計算等應用。透過實際操作,學員將學習建立染色單色樣資料庫,運用AI計算目標色樣配方、進行染色誤差分析與修色調整,並認識AI雲端智慧化配色及SLI-Taper分色系統,掌握色料資料整合、自動分批與參數調整等功能,協助企業降低人工判色誤差、改善染色品質,逐步實現智慧化製程與低碳永續發展。

山田裕也|日本電信電話公司 企劃部部長
邀請到來自日本電信電話公司的企劃部部長山田裕也來分享運用AI自動攝影與數位串流技術,來協助地方的運動賽事進行高品質、低成本且節省人力的的轉播服務。透過這項技術,提升民眾的參與及認同感,打造運動、城市與當地社區之間的正向循環,進而促進當地經濟與文化交流。

全域科技有限公司-林建宏技術總監
課程將介紹智慧庫存管理與 AI 庫存分析的核心概念,聚焦於電子資訊產業的應用場景,透過中小企業實際案例解析導入流程與挑戰。課程將帶領學員運用 Azure Machine Learning 實作庫存預測模型,協助企業提升庫存周轉效率與數位轉型能力。

國立臺灣大學電機工程學系/李宏毅 教授
人工智慧是否能夠不再依賴人類指導,透過自主學習與持續改進,創造出比自己更強大的 AI?隨著生成式 AI 技術快速發展,AI 自我成長已成為人工智慧研究的重要議題。本課程從機器學習的基本原理出發,探討 AI 如何減少對人工標註資料與人類設定學習目標的依賴,透過自我修正、獎勵機制與自動評估等方法,逐步提升模型能力。課程結合強化學習、測試階段訓練及 AI 自主出題、解題與驗證等研究案例,說明 AI 如何利用自身產生的資訊進行學習,並分析自主訓練可能面臨的能力瓶頸、錯誤累積及行為偏差等問題,進一步探討現階段 AI 自我成長的技術成果與限制,以及人類在 AI 發展過程中仍扮演的重要角色。

本課程旨在協助紡織染整企業運用AI智慧化配色技術,提升染色製程效率與一次對色率,減少重複修色、染料浪費及水資源消耗。課程結合色彩學理論、分光儀原理及AI電腦配色系統,帶領學員了解色彩數據化溝通、色差公式、歷史配方搜尋及AI自動配方計算等應用。透過實際操作,學員將學習建立染色單色樣資料庫,運用AI計算目標色樣配方、進行染色誤差分析與修色調整,並認識AI雲端智慧化配色及SLI-Taper分色系統,掌握色料資料整合、自動分批與參數調整等功能,協助企業降低人工判色誤差、改善染色品質,逐步實現智慧化製程與低碳永續發展。

國立臺灣大學電機工程學系/李宏毅 教授
當人工智慧已能透過模型訓練提升能力,是否還能自主改進運作方式,實現持續進化?本課程延續 AI 自我成長的研究議題,從語言模型延伸至 AI 代理人(AI Agent)的整體架構,探討 AI 如何透過提示詞優化、記憶管理、工作流程調整及模型參數更新,提升任務執行能力。課程進一步介紹元學習(Meta Learning)的概念,說明 AI 如何改進自身的學習規則,並解析短期記憶、長期記憶與模型參數之間的關係。最後探討 AI 自主學習動機、目標設定及人機價值一致性等議題,分析 AI 持續進化可能面臨的技術限制與失控風險,理解人類監督與目標管理的重要性。

郭人介/台灣科技大學工業管理學系特聘教授、 周忠信/東海大學數位創新所主任與軟體工程與技術中心主任
本書提出了AI可以對企業在行銷、製造、業務、人資等面向做出的助益,以及在製造、設計、家電或運輸業等產業的運用,跟工業4.0、物聯網等新科技相比,AI在各種應用上可以單點突破,不需太多配套,其實並沒有一般小企業想像的那麼複雜遙遠!

本課程旨在協助紡織染整企業運用AI智慧化配色技術,提升染色製程效率與一次對色率,減少重複修色、染料浪費及水資源消耗。課程結合色彩學理論、分光儀原理及AI電腦配色系統,帶領學員了解色彩數據化溝通、色差公式、歷史配方搜尋及AI自動配方計算等應用。透過實際操作,學員將學習建立染色單色樣資料庫,運用AI計算目標色樣配方、進行染色誤差分析與修色調整,並認識AI雲端智慧化配色及SLI-Taper分色系統,掌握色料資料整合、自動分批與參數調整等功能,協助企業降低人工判色誤差、改善染色品質,逐步實現智慧化製程與低碳永續發展。

金盛元興業股份有限公司ESG顧問/潘宣宇 博士
本課程影片聚焦自行車產業面臨的減碳挑戰,深入探討本產減碳路徑規劃,永續規劃的重要性,並分享企業實務中的減碳技術心法,助力實現永續發展目標。
活動詳情:https://smelearning.sme.gov.tw/news.php?node=840