課程簡介

生成式AI簡介

  • 什麼是生成式AI?
  • 生成式AI的歷史與演變。
  • 關鍵概念與術語。
  • 生成式AI的應用與潛力概述。

機器學習基礎

  • 機器學習簡介。
  • 機器學習的類型:監督學習、無監督學習和強化學習。
  • 基本算法與模型。
  • 數據預處理與特徵工程。

深度學習基礎

  • 神經網絡與深度學習。
  • 激活函數、損失函數與優化器。
  • 過擬合、欠擬合與正則化技術。
  • TensorFlow與PyTorch簡介。

生成模型概述

  • 生成模型的類型。
  • 判別模型與生成模型的區別。
  • 生成模型的應用場景。

變分自編碼器(VAE)

  • 理解自編碼器。
  • VAE的架構。
  • 潛在空間及其重要性。
  • 實操項目:構建一個簡單的VAE。

生成對抗網絡(GAN)

  • GAN簡介。
  • GAN的架構:生成器與判別器。
  • 訓練GAN及其挑戰。
  • 實操項目:創建一個基本的GAN。

高級生成模型

  • Transformer模型簡介。
  • GPT(生成式預訓練Transformer)模型概述。
  • GPT在文本生成中的應用。
  • 實操項目:使用預訓練的GPT模型進行文本生成。

倫理與影響

  • 生成式AI的倫理考量。
  • AI模型中的偏見與公平性。
  • 未來影響與負責任的AI。

生成式AI的行業應用

  • 生成式AI在藝術與創意中的應用。
  • 在商業與營銷中的應用。
  • 生成式AI在科學與研究中的應用。

畢業項目

  • 生成式AI項目的構思與提案。
  • 數據集收集與預處理。
  • 模型選擇與訓練。
  • 結果評估與展示。

總結與下一步

最低要求

  • 具備Python基礎編程概念的理解。
  • 具備基本數學概念的經驗,尤其是概率和線性代數。

受衆

  • 開發者。
 14 時間:

課程分類