※課程日期調整為：9/09(二)、9/10(三)18:30-21:30
課程目標：
為具備理工基礎、但對AI晶片與應用領域尚不熟悉的科技業從業人員設計，以淺顯易懂的講授+可上手的實作練習方式，介紹AI在光學檢測與影像辨識中的應用實務，並實際體驗YOLO與VAE兩種影像處理技術的應用。
課程大綱：
◎Day 1 學科教授
● YOLO圖像辨識技術 + IC封裝檢測應用
● Edge AI晶片簡介（強調應用端：如在機台AOI使用NVIDIA Jetson）
● 半導體封裝中常見視覺檢測項目介紹：
1. BGA焊球缺陷（缺焊、移位）
2. 晶圓表面污染物、刮痕、裂縫
3. AOI（自動光學檢查）常用之圖像分類思路
◎Day 1 實作活動
Google Colab 環境設定
載入YOLO預訓練模型
使用 Roboflow 公開封裝缺陷資料集（或PCB缺陷作近似）進行 YOLO 模型推論
模擬在 AOI 裝置前段分類模型運作流程（如預警信號觸發）
◎Day 2 學科教授
● VAE影像生成 + 缺陷樣本合成於IC測試
● 封裝瑕疵的特徵多數為極少樣本情境 → 引出資料合成需求
● 使用 VAE 模擬生成焊點偏移、刮痕或微裂的變異圖像
● 資料合成如何協助：提升分類器的泛化能力
◎Day 2 實作活動
使用簡易Keras/TensorFlow程式碼運行VAE
將小量圖片以 VAE 架構生成 10 組「合成缺陷圖像」
初步觀察重建效果與潛在空間變化
簡單分類出真實 vs 合成，強化模型理解
課程設計：
1. 請自備筆電（建議配備8G RAM以上、可使用Google Chrome）
2. 課程中將提供Google Colab腳本與程式碼模板，無需安裝額外軟體
3. 鼓勵有興趣者提前註冊Google帳號與 GitHub（提供可下載範例資源）
|
