教學大綱 Syllabus

科目名稱:生成式 AI:文字與圖像生成的原理與實務

Course Name: Generative AI: Text and Image Synthesis Principles and Practice

修別:選

Type of Credit: Elective

3.0

學分數

Credit(s)

40

預收人數

Number of Students

課程資料Course Details

課程簡介Course Description

本課是當今火紅的生程式 AI 課程,引領學生進入生成式人工智能的奇妙世界。這門課程不僅著眼於理論基礎,更注重實踐應用,讓學生通過實際操作深入理解生成式 AI 的核心概念和技術。

從探索神經網路的基本原理到剖析當下流行的 AI 技術如 ChatGPT 和 Diffusion Models,本課程涵蓋了生成式 AI 的各個面向。學生將有機會使用先進的工具和平台,例如 Google Colab 和 OpenAI API,來實踐課程中學到的知識,打造屬於自己的 AI 模型。

不僅如此,本課程還將深入探討生成式 AI 在各行各業的應用前景,激發學生對未來技術的想像力和創新思維。課程的後半部分專注於綜合項目,學生將有機會發揮所學,解決實際問題,或開發創新應用。

門課程適合對人工智能充滿好奇和熱情的學生,無論是初學者還是有一定基礎的學員,都能從中獲得豐富的學習體驗。每週的課程都圍繞著一個特定主題,從基礎理論到進階技術,逐步深入,並通過各種教學活動和作業,鼓勵學生積極參與和創新思考。

想象一下,你將學會如何利用 AI 生成引人入勝的文本,創造令人驚嘆的圖像,甚至開發出能夠與人類自然交流的聊天機器人。你將掌握最前沿的技術,為未來的科技創新做好準備。

核心能力分析圖 Core Competence Analysis Chart

能力項目說明


    課程目標與學習成效Course Objectives & Learning Outcomes

    這門課提供全面的生成式 AI 知識,並幫助他們在這一迅速發展的領域中建立堅實的基礎,從而為未來的進一步學習和職業發展奠定基石。學習目標如下:

    1. 理解生成式 AI 的基本原理與概念

      • 掌握生成式 AI 的核心理論。
      • 理解神經網路、生成對抗網絡(GAN)、RNN 和 Transformers 等技術的基礎。
    2. 實際操作與實作經驗

      • 透過 Google Colab 和 OpenAI API 等工具進行實作。
      • 完成文字生成和圖像生成的實際項目。
    3. 分析與評估 AI 技術的應用

      • 學會如何評估不同 AI 模型的效能和應用場景。
      • 了解生成式 AI 在不同行業的應用潛力。
    4. 創新思維與問題解決能力

      • 鼓勵創新思考,提出新的應用想法。
      • 培養解決實際問題的能力。

    每周課程進度與作業要求 Course Schedule & Requirements

    教學週次Course Week 彈性補充教學週次Flexible Supplemental Instruction Week 彈性補充教學類別Flexible Supplemental Instruction Type

    第 1 週:課程介紹及 Colab 平台使用

    • 課程主題:為什麼要有生成式 AI? 如何用 Colab
    • 課程內容與指定閱讀:生成式 AI 的概述,Colab 的使用
    • 教學活動與作業:Colab 練習

    第 2 週:神經網路基礎

    • 課程主題:神經網路的基本概念。
    • 課程內容與指定閱讀:神經網路的結構和基本運作原理。
    • 教學活動與作業:使用Colab實作一個基本的神經網路。

    第 3 週:生成對抗網絡(GAN)

    • 課程主題:過去火紅的 GAN 和它在當今的地位。
    • 課程內容與指定閱讀:GAN 的原理,以及它為什麼不再是最流行的方法。
    • 教學活動與作業:分析一篇關於 GAN 的研究論文。

    第 4 週:文字生成 AI

    • 課程主題:文字生成 AI 的原理。
    • 課程內容與指定閱讀:不同類型的文字生成模型,及其原理和應用。
    • 教學活動與作業:使用《紅樓夢生成器》

    第 5 週:深入 RNN 和 Transformers

    • 課程主題:RNN 和 Transformers。
    • 課程內容與指定閱讀:RNN 和 Transformers 的比較,包括基礎矩陣知識。
    • 教學活動與作業:使用Colab實作一個簡單的 Transformer 模型。

    第 6 週:ChatGPT 的原理與問題

    • 課程主題:ChatGPT 的原理和其面臨的問題。
    • 課程內容與指定閱讀:探討ChatGPT的工作原理和常見問題。
    • 教學活動與作業:結構化使用 ChatGPT。

    第 7 週:實作 ChatGPT

    • 課程主題:用 OpenAI API 打造自己的 ChatGPT。
    • 課程內容與指定閱讀:如何使用 OpenAI API 來創建和定制 ChatGPT。
    • 教學活動與作業:使用 OpenAI API 創建一個簡單的聊天機器人。

    第 8 週:期中專案分享

    第 9 週:ChatGPT 的應用

    • 課程主題:ChatGPT 的潛在應用。
    • 課程內容與指定閱讀:探討 ChatGPT 在不同領域的應用實例。
    • 教學活動與作業:提出一個創新的 ChatGPT 應用案例。

    第 10 週:VAE

    • 課程主題:自編碼器和生圖原理
    • 課程內容與指定閱讀:介紹自編碼器原理及 VAE
    • 教學活動與作業:試用 AI 生成圖像

    第 11 週:Diffusion Models 原理

    • 課程主題:Diffusion Models 的原理。
    • 課程內容與指定閱讀:學習 Diffusion Models 的工作原理及其與其他生成模型的比較。
    • 教學活動與作業:HuggingFace 的 diffusers 套牛

    第 12 週:實作 Diffusion Models

    • 課程主題:使用 HuggingFace 的 diffusers 套件。
    • 課程內容與指定閱讀:如何使用 HuggingFace 的 diffusers 套件進行實作。
    • 教學活動與作業:使用 diffusers 套件實作一個基本的 Diffusion Model。

    第 13 週:圖像生成 AI

    • 課程主題:圖像生成 AI 的原理。
    • 課程內容與指定閱讀:CLIP 模型, 圖像生成 AI 的原理
    • 教學活動與作業:使用Colab實作一個簡單的圖像生成模型。

    第 14 週:Stable Diffusion 進階概念

    • 課程主題:Stable Diffusion 進階概念
    • 課程內容與指定閱讀:排程器是什麼? LoRA,ControlNet
    • 教學活動與作業:試用不同的排程器, 觀察有什麼差異

    第 15 週:生成式 AI 進階技巧

    • 課程主題:生成式 AI 進階技巧
    • 課程內容與指定閱讀:RAG 等進階技巧
    • 教學活動與作業:討論生成式 AI 應用技巧

    第 16 週:期末分享

     

    學生學習投入時間:

    每週課堂教學 3小時

    每週預習/複習 5小時

     

    授課方式Teaching Approach

    60%

    講述 Lecture

    20%

    討論 Discussion

    0%

    小組活動 Group activity

    20%

    數位學習 E-learning

    0%

    其他: Others:

    評量工具與策略、評分標準成效Evaluation Criteria

    1. 作業是最重要的, 佔 70%

    2. 期末專案佔 30%

    上課參與額外加分

    指定/參考書目Textbook & References

    已申請之圖書館指定參考書目 圖書館指定參考書查詢 |相關處理要點

    維護智慧財產權,務必使用正版書籍。 Respect Copyright.

    課程相關連結Course Related Links

    
                

    課程附件Course Attachments

    課程進行中,使用智慧型手機、平板等隨身設備 To Use Smart Devices During the Class

    需經教師同意始得使用 Approval

    列印