本次國際交流，邀請之學者為美國三一學院電機系教授 (Trinity College, Connecticut, USA)甯太康博士。甯太康博士系交通大學自動控制工程學系畢業(1979)，隨後在美國University of Connecticut 電機系獲得碩士(1983)及博士學位(1986)。在美國任教三十餘年，專長為信號分析，涵蓋領域廣如電控系統、生醫工程、旋轉機械等。 鑒於AI時代，大數據分析的來臨，信號處理是其中很重要的一環，因此可靠度中心藉此高教深耕計畫邀請甯太康博士於10月5日至10月15日期間前來本中心進行一周的訪問交流，期間先進行一場專題演講，再與本中心老師就產學合作案，共同研究交流。

甯太康博士於10月8日演講主題為: Engineer’s Challenges and opportunities in Machine learning (工程師在機器學習時代所面臨的挑戰與機會)。在這四十分鐘的演講中，甯教授以個人的經驗報告過去處理心電圖資料與直升機葉片等數據為例指出，雖然現今許多發展出許多的程式語言、演算法則與計算工具，可以處理大量的數據並從中找出規律關係，這是人腦所無法比擬的，尤其深度學習(Deep Learning)更是宣稱可以不依賴專家知識的條件下，直接從數據中建立網絡。但是深度學習所建立的無論診斷或預診系統，高度取決於數據的完整與正確性，在欠缺專家知識的架構下，其實還是存在不敢完全被信賴的疑慮，也就是其可靠度仍待考驗。因此，在面對機器學習與人工智能的時代，工程師可以扮演的角色在三方面，是機器學習無法取代的: 一、工程師了解信號產生的過程與機制，二、工程師能轉換(Translate)這些信號或數據成具有工程意義的參數並正確的量化，三、工程師可以引導機器進行有效的監督式(supervised)的練習。這三點也可以說是工程師在AI 機器主導時代下的價值。