U3110 教學大綱表

教學大綱表 (115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) 政大-生成式AI:文字與圖像生成的原理與實務 (英文) Genai : Text And Image Synthesis Principles And Practice			開課單位 Departments	事業與資訊經營學系
				課程代碼 Course No.	U3110
授課教師 Instructor	政大蔡炎龍胡志堅
學分數 Credit	3.0	必/選修 core required/optional	選修	開課年級 Level	大三
先修科目或先備能力(Course Pre-requisites)：1. 期末專案: 20% 每個人需完成一個生成式 AI 應用專案。期末分享採 Gather.town 線上研討會模式。 2. 建議 (非要求)儲值使用 OpenAI API 的 credit,應該 5 美金就完全足夠課程的需求。 3. 每一位同學都請申請 Groq 的 API
課程概述與目標(Course Overview and Goals)：1. 期末專案: 20% 每個人需完成一個生成式 AI 應用專案。期末分享採 Gather.town 線上研討會模式。 2. 建議 (非要求)儲值使用 OpenAI API 的 credit,應該 5 美金就完全足夠課程的需求。 3. 每一位同學都請申請 Groq 的 API
教科書(Textbook)
參考教材(Reference)	課程要求 1. 會使用 Google Colab 雲端運算平台,請同學準備好自己的 Google 帳號。本課程的作業應該免費版就足夠,但可以考慮自己狀況是否升級。 2. 建議 (非要求) 於 https://platform.openai.com/ 儲值使用 OpenAI API 的 credit,應該 5美金就完全足夠課程的需求。課程中我們還是會提供其他免費的方案,但使用 OpenAI API 可能會比較方便 (特別對技術不是那麼熟悉的同學)。 3. 每一位同學都請申請 Groq https://console.groq.com/ 的 API,有完全免費使用的方案。 4. 非常強調不可以抄襲,包括抄襲網路上的作品,或者直接抄襲生成式 AI 產出者,皆是不可接受的。本課程是生成式 AI 課程,使用大型語言模型協作,不但是允許,甚至是鼓勵的。這裡的抄襲是直接下一個 prompt 就能產出的結果,直接當作業是不能接受的。

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	課程介紹與生成式 AI 概述	課程目標與內容簡介,為什麼要研究生成式 AI,介紹 Colab 平台的基礎操作。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
2	神經網路的概念	簡介神經網路的核心概念(感知器、多層感知器)、激發函數與反向傳播,實作一個簡單的 MNIST 手寫數字分類。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
3	紅極一時的生成對抗網路 (GAN)	介紹曾經被當作生成式 AI 希望的生成對抗網路(GAN),包括 GAN 的生成原理、著名的應用範例,及為什麼暫時不再是主流的原因。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
4	大型語言模型原來這麼簡單	文字生成 AI 的基本概念,包括 RNN 及 transformers 有「記憶」的神經網路簡介,及 seq2seq 模型、詞嵌入等等原理。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
5	Transformers 全攻略	RNN 及 transformers 的數學基礎與架構, 複習基本矩陣運算、瞭解注意力模式的原理。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
6	大型語言模型(LLM)的應用及倫理議題的挑戰	著名的大型語言模型 (LLM),常見應用,及倫理議題的討論。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
7	打造自己的對話機器人	使用 AISuite,用程式的方式打造自己的對話機器人。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
8	專家講座	學界或業界專家分享生成式 AI 相關實務主題。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
9	檢索增強生成(RAG)的原理及實作	RAG 的概念、資料檢索與生成的結合方法,實作基於 LangChain 的 RAG 系統	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
10	Agentic AI 與 AI Agents	什麼是 AI Agents?學習不同的 AI Agent設計模式,並且運用 AISuite 實作	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
11	變分自編碼器(VAE)開始的冒險旅程	解釋 VAE 的原理,及為什麼這相對簡單的模型,會成為圖像生成 AI 的重要想法,發展出目前重要圖像生成的 diffusion models	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
12	文字生圖 AI 的原理及實作	Diffusion Models 的進階主題,包括 CLIP、排程器、LoRA 等概念。並且用 HuggingFace 的 diffusers 套件打造自己的圖像生成AI Web APP。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
13	用 Fooocus 實現 Diffusion Models 的進階技術	介紹「理解」使用者輸入文字的 CLIP 模型,著名的圖像生成 AI 模型及運用方式	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
14	生成式 AI 流行工具及應用範例	介紹主流生成式 AI 工具,及應用範例。	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-
15	在 Gather.town 線上研討會型式的期末專題成果分享	在 Gather.town 線上研討會型式的期末專題成果分享	1. 生成式 AI 的核心技術,包括神經網路、大型語言模型、AI Agents 等。2. 各種工具和框架。3. 從技術層面與實務層面提出創新解決方案。4. 設一個實用的生成式 AI 系統。	上機實習講授實作	作業專題其他評量-

教學要點概述：
1.自編教材 Handout by Instructor：
□ 1-1.簡報 Slides
■ 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

教學相關配合事項：AI聯盟；開課學制:大學部、研究所；課綱:https://reurl.cc/OQbzW9

成績考核 Performance Evaluation：其他評量：5% 專題：20% 作業：75%

教學資源(Teaching Resources)：
□ 教材電子檔(Soft Copy of the Handout or the Textbook)
■ 課程網站(Website)
課程網站(Website)：https://reurl.cc/OQbzW9