| 主辦單位 | 工研院服科中心 × 國立臺中科大 AI 學程 |
|---|---|
| 定位主張 | 工研院 DNA 的實戰課程|從技術輔導輸出,邁向「育・合・用・好」 |
| 完訓對外職稱 | 智慧營運優化工程師 |
| 總時數 | 240 小時(基礎 120h + 專題實作 120h) |
| 每週節奏 | 週一至週五|每日 09:00–12:00 + 13:00–16:00(共 6h) |
| 班級規模 | 50 人/班;分 12–13 組,每組 3–5 人(以 4 人為原則、自選組員) |
| 核心架構 | VMDA(Vision × Mission × Data × AI)+ 三支柱(辨識/優化/代理)+ 八週角色進化軸 |
| 學習方式 | 情境驅動 × 闖關式 × 角色進化(BOSS I-III + 最終 BOSS + Milestone 1-3) |
| 完訓門檻 | 出席率 ≥ 90% 且綜合成績 ≥ 80 分(缺一不可) |
| 完訓獎勵 | 獎勵金 5 萬元(階段一 2 萬 + 階段二 3 萬)+ 合作廠商媒合(+1 萬/月起薪) |
| 階段 | 週次 | 主授 | 關鍵特色 |
|---|---|---|---|
| 第一階段 基礎方法論 |
Week 1–4 (120h) |
陳志騰(Allen,中科大) | VMDA × 角色進化|BOSS I/II/III + 最終 BOSS|AI/BI 工具鏈紮實打底 |
| 第二階段 專題實作 |
Week 5–8 (120h) |
工研院服科中心同仁 (中科大師資副講 + 廠商諮詢導師) |
廠商真題進場|三支柱實作(辨識→優化→代理)|M1/M2/M3 + Demo Day + Match Day |
第一階段先把方法論與工具鏈練透,學員在 Day 1 → Day 20 完成「資料驅動師 → 管理工程師 → AI 價值師 → 智慧架構師」四階段角色進化,並於 Day 20 繳交最終 BOSS(AI 賦能作品集)+ 第一階段綜合測驗;第二階段(Week 5-8)由工研院主授、廠商諮詢導師進場出題,學員以 12-13 組分組製作「物流控制塔 MVP」,並在 Day 38 Demo Day 對企業現場發表、Day 39 Match Day 進行多元媒合。
| Day | 管理任務 | 知識點 / 內容重點 | 工具 | 實作任務 / 驗收 |
|---|---|---|---|---|
| Day 1 | 我們為何而戰? | 啟動日|智慧目標 × 管理手段 × AI 賦能價值 | GenAI / Claude Cowork | 任務 01「智慧戰略圖」+ 任務 02「價值原型機」 |
| Day 2 | 引擎為何發不動? | 資料清洗實務|結構化/非結構化、ETL、髒數據對管理的危害 | VS Code + Python (Pandas) + Claude | 任務 03「燃料提煉廠」 |
| Day 3 | 如何看清行駛現況? | 描述性統計|管理儀表板設計原則、視覺化溝通邏輯 | VS Code + Python (Streamlit) | 任務 04「現況儀表板」 |
| Day 4 | 誰是我們要載的客? | 客戶標籤化|80/20 法則、RFM 模型、特徵工程基礎 | VS Code + Python (Pandas) | 任務 05「VIP 篩選器」 |
| Day 5 | 【週驗收】綜合應用 | 綜合應用與 Q&A | VS Code + Python | ★ BOSS I:數據體檢報告 |
| Day | 管理任務 | 知識點 / 內容重點 | 工具 | 實作任務 / 驗收 |
|---|---|---|---|---|
| Day 6 | 倉儲如何高效管理? | WMS 優化|儲位管理、周轉率、EIQ-PCB、服務藍圖(服務設計) | Orange 3 + VS Code | 任務 06「倉庫整理師」 |
| Day 7 | 運輸如何準時達交? | TMS 監控|OTD、IQR/Z-score/Rolling 異常偵測、互動地圖 | VS Code + Python | 任務 07「遲到偵探」 |
| Day 8 | 採購手段是否有效? | 供應商評估|長鞭效應、前置期、多表關聯 + 新商品導入 GenAI sub-task | VS Code + Python + GenAI | 任務 08「供應鏈串接」 |
| Day 9 | 決策依據夠清楚嗎? | 決策支援|SCQA、金字塔結構、Data Storytelling、DSS | Python (Streamlit) / PPT | 任務 09「決策簡報」 |
| Day 10 | 【週驗收】綜合應用 | 綜合應用與 Q&A(冠峰 3PL 真實情境) | VS Code + Python | ★ BOSS II:物流控制塔 Alpha |
| Day | 管理任務 | 知識點 / 內容重點 | 工具 | 實作任務 / 驗收 |
|---|---|---|---|---|
| Day 11 | 能預知客戶流失嗎? | 分類(監督式)|決策樹、混淆矩陣,降低流失率 | Orange 3 + Scikit-learn | 任務 10「算命師 I」 |
| Day 12 | 能預測下個月銷量? | 回歸(監督式)|線性回歸、RMSE,優化庫存水位 | Orange 3 + Scikit-learn | 任務 11「算命師 II」 |
| Day 13 | 客戶隱藏特徵是什麼? | 分群(非監督式)|K-means、輪廓係數,市場區隔/人物誌 | Orange 3 + Scikit-learn | 任務 12「分群大師」 |
| Day 14 | 隱藏的購買組合? | 關聯規則|Apriori + GenAI 促銷文案/素材 sub-task | Orange 3 + Mlxtend + Claude Cowork | 任務 13「促銷策劃師」 |
| Day 15 | 【週驗收】綜合應用 | 綜合應用與 Q&A | Orange 3 + VS Code | ★ BOSS III:精準行銷引擎 |
| Day | 管理任務 | 知識點 / 內容重點 | 工具 | 實作任務 / 驗收 |
|---|---|---|---|---|
| Day 16 | 顧客心聲聽見了嗎? | 輿情分析|文本探勘、情感分析、雙鑽石設計流程 | VS Code + LLM API | 任務 14「輿情分析師」 |
| Day 17 | 路徑最佳解在哪? | 最佳化演算|遺傳演算法、VRP,成本最小化 | VS Code + OR-Tools | 任務 15「路徑規劃師」 |
| Day 18 | AI 與 BI 如何合體? | 系統整合|系統思維、Prediction to Action | VS Code + Streamlit | 任務 16「整合原型機」 |
| Day 19 | 服務如何 24H 不間斷? | Agent 開發|Serverless、自動化觸發、AI Agent 流程設計 | VS Code + Python + Claude Code | 任務 17「永不休息的秘書」 |
| Day 20 | 你的價值被看見了嗎? | AI 賦能作品集|個人價值主張、AIGC 多媒體敘事 | Claude Cowork + HeyGen + NotebookLM | ★★ 最終 BOSS:AI 賦能作品集 + 第一階段綜合測驗 |
| Day | 管理任務 | 知識點 / 內容重點 | 工具 | 實作任務 / 驗收 |
|---|---|---|---|---|
| Day 21 | 我們在幫企業解決什麼問題? | 企業出題、分組確認;繪製批發→倉儲→零售全鏈路 VPC;測試控制塔核心 Prompt | Google AI Studio | 企業痛點分析 + System Prompt v1 |
| Day 22 | 系統藍圖長什麼樣子? | 專案時程 Gantt、WBS;模擬進貨/存貨/出貨資料表關聯 | Orange 3 + DB 工具 | 系統架構圖與 DB Schema |
| Day 23 | 我們的資料燃料在哪? | AI 擬真數據生成;三階段關聯資料集 | Google AI Studio / Claude | 三階段擬真資料集 |
| Day 24 | 開發環境準備好了嗎? | VS Code 建 Python 專案;CSV 匯入 SQLite;控制塔首頁框架 | VS Code + Claude Code | 可運行的 Web App 雛形 |
| Day 25 | 【Milestone 1】專案啟動審查 | 培訓單位 × 廠商諮詢導師聯審 | 文件檢核 + 提案報告 | M1:專案章程 + VPC + 系統架構圖 |
| Day | 管理任務 | 知識點 / 內容重點 | 工具 | 實作任務 / 驗收 |
|---|---|---|---|---|
| Day 26 | 上游(批發):貨品如何快速入庫? | 辨識模組|OCR、條碼、Vision API 串接 | VS Code + Vision API | 進貨自動辨識系統 |
| Day 27 | 中游(倉儲):庫存如何擺放最有效率? | 優化|ABC 分類、關聯規則、儲位動態計算(冷鏈儲位) | VS Code + Python | 倉儲儲位最佳化引擎 |
| Day 28 | 下游(零售):配送如何準時且省成本? | 優化|VRP、預測演算、時窗與載重(多溫層/Milk Run) | VS Code + OR-Tools | 配送優化與預測 API |
| Day 29 | 三個節點能串起來嗎? | 整合|辨識 + 優化匯入控制塔主介面;單元測試 | VS Code | 控制塔 Alpha 版(具視覺與運算) |
| Day 30 | 【Milestone 2】期中進度審查 | 培訓單位 × 廠商諮詢導師聯審 | 實機展示 + 文件檢核 | M2:系統規格書 + 期中報告 + 程式碼品質 |
| Day | 管理任務 | 知識點 / 內容重點 | 工具 | 實作任務 / 驗收 |
|---|---|---|---|---|
| Day 31 | 異常發生時誰來協調? | Agent|物流協調 Agent;預測缺貨自動採購/催貨 | VS Code + LLM API | 跨節點推理與應變邏輯 |
| Day 32 | 顧客/司機回報異常怎麼辦? | Agent|客服/運務 ChatBot(RAG) | VS Code + LangChain | 智慧運務助理 |
| Day 33 | 全鏈控制塔整合體 | Dashboard|進貨達交率 × 庫存周轉率 × 配送準點率 | Streamlit / Dash | 物流控制塔 Beta 版 |
| Day 34 | 系統能 24H 穩定上線嗎? | Deploy|打包部署至雲端(Zeabur / Render);UAT 驗收 | VS Code + Cloud | 公開存取的控制塔網址 |
| Day 35 | 【Milestone 3】最終交付審查 | 培訓單位 × 廠商諮詢導師聯審;物流斷鏈壓力測試 | 文件檢核 + 上線確認 | M3:測試報告 + 操作手冊 + 雲端 URL |
| Day | 管理任務 | 知識點 / 內容重點 | 工具 | 實作任務 / 驗收 |
|---|---|---|---|---|
| Day 36 | 簡報與數位資產準備 | Claude Cowork 製作企業提案簡報、Demo 影片、GitHub | Claude Cowork + GitHub | 提案簡報 + Demo 影片 + Repo |
| Day 37 | 提案彩排與 Pitch 訓練 | 商業語言模擬提案;實機彩排(辨識→優化→Agent) | Pitch 練習 + 實機演練 | 彩排紀錄 + Pitch 定版 |
| Day 38 | 【Demo Day】企業專題成果發表會 | 向合作企業與評審團展示 | 現場發表 + 評審 Q&A | ★ Demo Day 評核(綁第二階段獎勵金 3 萬元) |
| Day 39 | 【Match Day】全方位人才媒合會 | GitHub × 專案文件證明「AI PM + 全端開發」雙重即戰力 | 現場面試 + 媒合 | 媒合面試紀錄 |
| Day 40 | 結訓與覆盤 AAR | 結訓證書、專案覆盤、學習反思 | AAR + 證書 | 完訓認證 + 反思報告 |
國立臺中科大 AI 學程 × 工研院服科中心雙引擎,前段把方法論講透、後段把廠商題目做到上線,是「工研院 DNA 的實戰課程」最具體的落點。
不是「上課 → 考試」,而是「每天從真實物流情境破題 → 週五 BOSS 關卡驗收 → 八週角色累積進化」。8 個 BOSS/Milestone 等同 8 次實戰演練。
VMDA(Vision-Mission-Data-AI)+ 三支柱(辨識/優化/代理)+ 工研院《物流三部曲》底稿同時運作,知識點不破碎、有書可回溯。
Week 5-8 由合作物流業者(如 嘉里大榮/新竹物流/全日物流/捷盛運輸/FD&D 等)出題,學員以 12-13 組鎖題、實作物流控制塔 MVP;W4 起導入「雙軌對談 + 1:1 Office Hour」業師形式,單場導師時數 ≥ 1.5 小時。
從 Day 1 的「智慧戰略圖」到 Day 20「AI 賦能作品集」、Day 36「Demo Day 簡報」,全程以 Claude Cowork 作為協作工具;學員不只學 AI、更習慣與 AI 共事。
出席率 ≥ 90% 且綜合成績 ≥ 80 分 → 結訓認證 + 獎勵金 5 萬元(階段一 2 萬 + 階段二 3 萬)+ 進入合作廠商媒合(+1 萬/月起薪)。對齊商業署 1150317 核定版規定,就業媒合率目標 ≥ 75%,就業追蹤至少 2 年。