E5790 教學大綱表

教學大綱表 (113學年度第1學期)

請遵守智慧財產權，勿使用非法影印教科書，避免觸法。

課程名稱 Course Title	(中文) 生成式人工智慧 (英文)			開課單位 Departments	資訊工程研究所
				課程代碼 Course No.	E5790
授課教師 Instructor	許超雲
學分數 Credit	3.0	必/選修 core required/optional	選修	開課年級 Level	研究所
先修科目或先備能力(Course Pre-requisites)：神經網路概論或人工神經系統
課程概述與目標(Course Overview and Goals)：人工智慧今年發展的非常迅速,已經由圖形識別，轉向生成式。本課程目前主要的核心技術就是生成式人工智慧；包含了三大技術，其一為：Variational Auto encoder(VAE);其二為GAN(Generative Adversarial Networks);其三則為 denoising diffusion model. 外加 transformer 及大型語言模式等. 目標就是讓同學透過本課程對於新的生成式人工技術的技術能夠有深入了解，也可具有應用的能力
教科書(Textbook)	無
參考教材(Reference)	IEEE 等論文

課程大綱 Syllabus			學生學習目標 Learning Objectives	單元學習活動 Learning Activities	學習成效評量 Evaluation	備註 Notes
序 No.	單元主題 Unit topic	內容綱要 Content summary	學生學習目標 Learning Objectives	單元學習活動 Learning Activities	學習成效評量 Evaluation	備註 Notes
1	Generative A I	Introduction to Genrative AI	What is Generative AI? What is the difference between tranditional AI　and Generative AI?	討論講授閱讀討論	作業	Basic understanding
2	Variational Autoencoder (VAE) and Laternal Space (I)	The review of VAE and Laternal Space	What is Laternal space and its intrinsities	討論講授閱讀討論
3	From VAE To U-NET	introduction of U-NET	What is U-Net?	講授閱讀討論	作業	U net
4	Diffusion Model	1. Introduction of Diffusion model 2. Denoising Diffusion Probabilistic Models (DDPMs)	What is diffusion model? What is it's advantages?	講授閱讀討論	作業
5	Diffusion Model (II)	3.Score-Based Generative Models (SGMs) 4. Stochastic Differential Equations (Score SDEs)	What is SGMs and Score SDEs?	講授心得發表閱讀討論
6	Diffusion Model (III)	stable diffusion and its applications	explore stable diffussion and potential applications	講授閱讀討論		Bark understanding
7	Recent Development on Generative Adversarial Network	Recent Development on Generative Adversarial Network	Recent Development on Generative Adversarial Network	講授閱讀討論
8	Minterm	Minterm	Minterm		期中考
9	Vision Transformer	CNN+ Self Attension	what is self attension?	講授閱讀討論
10	Large Language model (LLM)	4 basis components of Transformer-based LLM: Word Embedding, Positional Encoding, Transformers, and Text Generation.	4 basis components of Transformer-based LLM: Word Embedding, Positional Encoding, Transformers, and Text Generation.	講授閱讀討論
11	Large Language model (LLM) (II)	Retrieval - Augumented Generation (RAG )	What is RAG　and its advantages?	演講閱讀討論	作業
12	Open sources LLM	Open source LLM	Open Source LLM	講授閱讀討論
13	Recent Applications of LLM	Recent Applications of LLM	Recent Applications of LLM	講授閱讀討論
14	Explainable AI:	Explainable AI:	Visualizing Attention in Transformers	講授閱讀討論
15	Case Studies	Aplications of GAI	Aplications of GAI	講授閱讀討論
16	Final exam	Final Exam	Final Exam		期末考
17	彈性教學 Applications of GAI	請業界介紹Applications of GAI	Applications of GAI	演講	彈性教學
18	彈性教學 Applications of GAI(II)	業界介紹Applications of GAI	Applications of GAI	演講	彈性教學	心得報告

彈性教學週活動規劃

序 No.	實施期間 Period	實施方式 Content	教學說明 Teaching instructions	彈性教學評量方式 Evaluation	備註 Notes
1	起:2024-12-30 迄:2025-01-12		邀請業界專家分享GAI 應用	心得報告

教學要點概述：
1.自編教材 Handout by Instructor：
■ 1-1.簡報 Slids
□ 1-2.影音教材 Videos
□ 1-3.教具 Teaching Aids
□ 1-4.教科書 Textbook
□ 1-5.其他 Other
□ 2.自編評量工具/量表 Educational Assessment
□ 3.教科書作者提供 Textbook

成績考核 Performance Evaluation：期末考：30% 期中考：30% 彈性教學：10% 作業：30%

教學資源(Teaching Resources)：
■ 教材電子檔(Soft Copy of the Handout or the Textbook)
□ 課程網站(Website)
扣考規定：https://curri.ttu.edu.tw/p/412-1033-1254.php