新竹市東區 ︳日本海軍第六燃料廠新竹支廠(二), 1943,2010公告為歷史建築。
承前篇,1943年7月六燃廠完竣,高雄本廠成立精製部,新竹支廠成立合成部,新高支廠成立化成部。
選擇高雄、新高兩處設廠多半是因為港口,但新竹只有南寮一個小小魚港,之所以選擇新竹設廠,是因新竹盛產蔗糖及天然氣,當...
新竹市東區 ︳日本海軍第六燃料廠新竹支廠(二), 1943,2010公告為歷史建築。
承前篇,1943年7月六燃廠完竣,高雄本廠成立精製部,新竹支廠成立合成部,新高支廠成立化成部。
選擇高雄、新高兩處設廠多半是因為港口,但新竹只有南寮一個小小魚港,之所以選擇新竹設廠,是因新竹盛產蔗糖及天然氣,當時殖民政府在新竹與苗栗地區探勘及開採石油、天然氣等地下資源,為有效運用這些資源,於1936年成立天然瓦斯研究所,為臺灣日治時期的中央研究機構之一,主要研究石油、天然氣、凝結油及煤炭等的開採與應用,設臨時廳舍於新竹市榮町,同年6月遷至新竹市赤土崎的新廳舍。戰後作為經濟部聯合工業研究所,是今日工業技術研究院前身。本館位於工業技術研究院光復院區內。
新竹支廠的佔地約一百萬坪(含宿舍區)。前段所述,新竹盛產蔗糖及天然氣,當時以蔗糖為原料發酵丁醇,及把天然氣分解合成為丁醇,原先甚至計畫將新竹支廠獨立為第七燃料廠。1945年2月高雄廠遭美軍炸毀,本廠將官撤退到新竹,新竹支廠成為本廠與合成部所在地,而合成部主要設備也在運送過程被擊沉,因此至二戰結束為止新竹合成部始終未能正式產出異辛烷。
戰後,國民政府派金開英(北京清華校友)來臺接收日人石油生產、煉製等相關設備及廠房(六燃廠只是其一);1954年,空軍工程聯隊駐紮於此,進行基地修繕及維護工作。聯隊的眷屬也跟著住在營區旁。聯隊用工程剩餘的廢木料在廠區建築體內再搭建眷舍並命名忠貞新村(忠貞新村分為上忠貞新村跟下忠貞新村),後金開英任職中油總經理。1955年,中油撥用自六燃40甲土地給清華大學建校(目前化工系仍有金開英獎學金);首先成立原子科學研究所,清大早期的研究生宿舍大都是六燃廠遺留的房舍。原先六燃廠的消防湖,成了之後清大的成功湖,接著1958年交通大學也緊鄰清華校區創校,之後附近設置工研院、中油,都與日本海軍第六燃料廠新竹支廠有著密不可分的關係,也是後來新竹科學園區發展的重要基礎;其重要性不言而喻。
#台灣景點#新竹景點#戰後
#戰後台灣 #戰後建築 #六燃 #眷村 #特殊建築 #屋中屋 #遺跡 #廢墟 #建築巡り #建築写真 #歷史故事 #歷史建築探訪 #歷史現場 #文化資產保存 #taiwan #hsinchu #ruins #ruin #warrelics #drone #droneshots #oldpictures #dronephotography #droneoftheday
#haikyo #historyarchitecture #historicalarchitecture
工研院光復院區2館 在 工研院產業學院 Facebook 的最佳貼文
工研院 與 資策會聯手創造產業新契機~
數位轉型系列講座:
📌【免費】深度學習及其於自駕車之應用研討會~確定開課!
【活動日期】2018 年 11 月 29 日
【活動時間】02:00PM ~ 04:00PM
【活動地點】工研院光復院區
【活動地址】新竹市光復路2段321號1館8樓806室
【大綱】
📌CNN:卷積神經網路(Convolutional Neural Network)
一般使用縮寫CNN來稱呼,它與傳統的多層感知網路最大的差異在於多了卷積及池化這兩層,也就是因為這兩層而讓CNN擁有能夠「看」到圖像(或語音)細節的能力,而非像其它神經網路只是單純的提取資料進行運算,無怪乎近年所舉辦的視覺競賽,優勝者幾乎都是採用深度學習的CNN架構,本次我們將介紹CNN於物體偵測、影像分割上的經典模型,以及其在自駕車的應用上有什麼限制。
📌GAN:生成式對抗網路 (Generative Adversarial Network, GAN)
顯然是深度學習領域的下一個熱點,Yann LeCun 說這是機器學習領域這十年來最有趣的想法 (the most interesting idea in the last 10 years in ML),又說這是有史以來最酷的東西 (the coolest thing since sliced bread)。生成式對抗網路解決了什麼樣的問題呢?在機器學習領域,回歸 (regression) 和分類 (classification) 這兩項任務的解法人們已經不再陌生,但是如何讓機器更進一步創造出有結構的複雜物件 (例如:圖片、文句) 仍是一大挑戰。用生成式對抗網路,機器已經可以畫出以假亂真的人臉,也可以根據一段敘述文字,自己畫出對應的圖案,但在自駕車上又會有怎麼樣的應用呢?
📌RNN:循環神經網絡(Recurrent Neural Networks,RNNs)
已經在眾多自然語言處理(Natural Language Processing, NLP)中取得了巨大成功以及廣泛應用,近幾年來其與CNN之整合亦產生了許多有趣的應用,例如Image Captioning,這樣的技術甚至可以運用在道路事件的預測,但這樣的技術如何實踐?
【內容】
在自駕車領域,許多科技大廠投入相當多金錢人力研發相關技術,其中運用人工智慧領域中的深度學習技術是其中顯學,本講座即對目前深度學習技術在自駕車領域的進展進行介紹。
【報名網址】
https://w3.iiiedu.org.tw/BSDetail.php?BSC=392
-----------------------
🔥🔥其它精選推薦課程~
✔【確定開課】公差設計與量測應用工程師培訓班 (28H)
https://goo.gl/6CcEGE
----
✔【確定開課】ANSYS結構分析技術師 (36H)
https://goo.gl/LZ43dY
----
✔【專業射出人員培訓認證班】(24H)
https://goo.gl/NSvKTW
*****************
✳️歡迎加入LINE好友!隨手掌握最新課程資訊:http://line.me/ti/p/%40cco1893w
工研院光復院區2館 在 工研院科技學習 讚 Facebook 的最佳貼文
工研院 與 資策會聯手創造產業新契機~
數位轉型系列講座:
📌【免費】深度學習及其於自駕車之應用研討會~確定開課!
【活動日期】2018 年 11 月 29 日
【活動時間】02:00PM ~ 04:00PM
【活動地點】工研院光復院區
【活動地址】新竹市光復路2段321號1館8樓806室
【大綱】
📌CNN:卷積神經網路(Convolutional Neural Network)
一般使用縮寫CNN來稱呼,它與傳統的多層感知網路最大的差異在於多了卷積及池化這兩層,也就是因為這兩層而讓CNN擁有能夠「看」到圖像(或語音)細節的能力,而非像其它神經網路只是單純的提取資料進行運算,無怪乎近年所舉辦的視覺競賽,優勝者幾乎都是採用深度學習的CNN架構,本次我們將介紹CNN於物體偵測、影像分割上的經典模型,以及其在自駕車的應用上有什麼限制。
📌GAN:生成式對抗網路 (Generative Adversarial Network, GAN)
顯然是深度學習領域的下一個熱點,Yann LeCun 說這是機器學習領域這十年來最有趣的想法 (the most interesting idea in the last 10 years in ML),又說這是有史以來最酷的東西 (the coolest thing since sliced bread)。生成式對抗網路解決了什麼樣的問題呢?在機器學習領域,回歸 (regression) 和分類 (classification) 這兩項任務的解法人們已經不再陌生,但是如何讓機器更進一步創造出有結構的複雜物件 (例如:圖片、文句) 仍是一大挑戰。用生成式對抗網路,機器已經可以畫出以假亂真的人臉,也可以根據一段敘述文字,自己畫出對應的圖案,但在自駕車上又會有怎麼樣的應用呢?
📌RNN:循環神經網絡(Recurrent Neural Networks,RNNs)已經在眾多自然語言處理(Natural Language Processing, NLP)中取得了巨大成功以及廣泛應用,近幾年來其與CNN之整合亦產生了許多有趣的應用,例如Image Captioning,這樣的技術甚至可以運用在道路事件的預測,但這樣的技術如何實踐?
【內容】
在自駕車領域,許多科技大廠投入相當多金錢人力研發相關技術,其中運用人工智慧領域中的深度學習技術是其中顯學,本講座即對目前深度學習技術在自駕車領域的進展進行介紹。
【報名網址】
https://w3.iiiedu.org.tw/BSDetail.php?BSC=392
-----------------------
🔥🔥其它精選推薦課程~
✔【確定開課】公差設計與量測應用工程師培訓班 (28H)
https://goo.gl/6CcEGE
----
✔【確定開課】ANSYS結構分析技術師 (36H)
https://goo.gl/LZ43dY
----
✔【專業射出人員培訓認證班】(24H)
https://goo.gl/NSvKTW
*****************
✳️歡迎加入LINE好友!隨手掌握最新課程資訊:http://line.me/ti/p/%40cco1893w
工研院光復院區2館 在 工研院產業學院 Facebook 的精選貼文
2018年機器學習、深度學習全面啟動,無疑是企業轉型實踐的關鍵時刻,無論是何種產業,常態規則與重複性的內部作業將被機器取代,趨勢將銳不可擋。
然而,在一個喜新厭舊的科技新創企業新時代裡,能推動AI成為新時代的巨人,背後支撐AI很重要的左右手莫非就是它們了,「Big Data」及「IoT」。「Big Data」也因為「IoT」的出現成為了新時代的「金礦」,三人彼此環環相扣,重要性密不可分。
而AI的下一個新紀元又將走向哪裡?全球的「AI版圖」已經邁入第幾個年頭了?就讓IBM陳昌裕顧問用這2小時帶領我們大家一起來退一步回顧反思去年全球發生了那些AI代表作?思考一下眾多行業的未來要如何與AI連結才會更有意義。
時間及地點
107/07/24(二)10:00-12:
新竹工研院光復院區1館802上課教室(地址:新竹市光復路二段321號)
講師簡介
台灣IBM全球企業諮詢服務事業群 陳昌裕 顧問協理/Taiwan Watson Cognitive Solution Leader
超過15年顧問及Watson人工智慧系統導入至自駕車、醫療、銀行數位轉型、銀行智慧網點轉型、銀行核心系統等應用領域建置經驗
http://to.piee.pw/7689F