生成式 AI 課程

生成式 AI 課程旨在探討生成式 AI 的基本概念、技術原理、應用場景、優缺點以及倫理議題。透過理論學習、案例分析和實踐操作，幫助學員掌握生成式 AI 的核心技術，並培養其應用生成式 AI 解決實際問題的能力。

一、課程目標：

• 了解生成式 AI 的基本概念、發展歷程和技術原理。
• 熟悉常見的生成式 AI 模型，例如 GAN、Transformer 等。
• 掌握生成式 AI 的應用場景，例如文本生成、圖像生成、音樂生成等。
• 評估生成式 AI 的優缺點，並探討其潛在的倫理和社會影響。
• 培養學員應用生成式 AI 解決實際問題的能力。

二、課程內容：

(一) 生成式 AI 導論 (2 小時)

• 什麼是生成式 AI？與其他 AI 技術的區別。
• 生成式 AI 的發展歷程和重要里程碑。
• 生成式 AI 的技術原理和基本概念。
• 生成式 AI 的應用領域和未來發展趨勢。

(二) 生成式 AI 模型 (4 小時)

• 基於深度學習的生成式模型：
  • 生成對抗網絡 (GAN)：原理、架構、訓練技巧、應用案例。
  • 變分自編碼器 (VAE)：原理、架構、訓練技巧、應用案例。
  • 自回歸模型：PixelCNN、WaveNet 等。
• 基於 Transformer 的生成式模型：
  • GPT 系列：原理、架構、訓練技巧、應用案例。
  • BERT：原理、架構、訓練技巧、應用案例。

(三) 生成式 AI 應用 (6 小時)

• 文本生成：
  • 機器翻譯、文本摘要、對話生成、故事創作等。
  • 案例分析：ChatGPT、Jasper 等。
• 圖像生成：
  • 圖像編輯、風格遷移、圖像合成、圖像超分辨率等。
  • 案例分析：DALL-E、Stable Diffusion 等。
• 音樂生成：
  • 作曲、編曲、音樂風格遷移等。
  • 案例分析：Amper Music、Jukebox 等。
• 其他應用：
  • 程式碼生成、影片生成、3D 模型生成等。

(四) 生成式 AI 的優缺點和倫理議題 (2 小時)

• 生成式 AI 的優點：
  • 提升效率、降低成本、促進創新等。
• 生成式 AI 的缺點：
  • 數據偏差、模型可解釋性、版權問題等。
• 生成式 AI 的倫理議題：
  • 資訊安全、隱私保護、道德責任等。

(五) 生成式 AI 實踐 (4 小時)

• 使用開源工具和平台進行生成式 AI 模型的訓練和應用。
• 參與實際專案，應用生成式 AI 解決實際問題。
• 小組討論和成果展示。

三、評量方式：

• 作業 (40%)：完成指定的生成式 AI 任務，例如文本生成、圖像生成等。
• 專案 (40%)：參與實際專案，應用生成式 AI 解決實際問題。
• 課堂參與 (20%)：積極參與課堂討論，展現學習成果。

四、教學方法：

• 講授、案例分析、討論、實踐操作。

五、教材與資源：

• 線上課程平台、開源工具和程式庫、學術論文、產業報告。

備註: 本課程大綱會根據學員的背景和學習需求進行調整。生成式 AI 技術發展迅速，課程內容會持續更新，以反映最新的技術進展和應用趨勢。