user_avatar登入
courseInfo_picture

2026 TAICA-生成式AI：文字與圖像生成的原理與實務(1-6月)

  • 0.0
  • 4 學生
  • 報名時間 : 2026/01/15 - 2026/12/31
  • 開課時間 : 2025/01/15 - 2026/12/31
  • 課程費用 : 免費

報名課程

介紹

🚀 生成式 AI 深度探索課程

 

🌟 課程前言 生成式 AI 現在非常火紅，但這一切是怎麼開始的？讓我們一起回到原點，探討它最初的起源與發展脈絡。

 

🧠 第一部分：核心基礎與文字生成

 

  • 🧬 神經網路 (Neural Networks)

    • 回顧神經網路的經典架構。

    • 深入理解機器學習的核心方式。

  • ⚔️ 生成對抗網路 (GAN)

    • 介紹曾經是生成式 AI 希望之星的 GAN。

    • 解析 GAN 的生成原理與著名的應用範例。

    • 探討為什麼它暫時不再是主流技術的原因。

  • 📝 文字生成 AI 與大型語言模型

    • 掌握文字生成 AI 的基本概念。

    • 解析 seq2seq 模型與詞嵌入 (Word Embedding) 等關鍵原理。

  • 🧮 有記憶的神經網路：RNN & Transformers

    • 數學原理大解密：深入 RNN 及 Transformers 的數學基礎與架構。

    • 核心運算：複習基本矩陣運算。

    • 關鍵機制：徹底瞭解「注意力模式 (Attention Mechanism)」的運作原理。

  • 🌐 LLM 的應用與倫理挑戰

    • 探討大型語言模型 (LLM) 的實際應用場景。

    • 深入討論伴隨而來的倫理議題與挑戰。

  • 🤖 實作：打造自己的對話機器人

    • 動手寫程式 (Coding)。

    • 串接 OpenAI API，親手打造專屬的 AI 對話機器人。

  • 📚 檢索增強生成 (RAG)

    • 解析 RAG 的運作原理。

    • 探討其在金融領域的潛在應用與實作演練。

 

🎨 第二部分：圖像生成與進階技術

 

  • 🔮 從 VAE 開始的冒險旅程

    • 解釋變分自編碼器 (VAE) 的原理。

    • 了解為何這個相對簡單的模型，會成為圖像生成 AI 的重要基石。

  • 🖼️ Diffusion Models 與圖像生成

    • 介紹能「理解」使用者文字的 CLIP 模型。

    • 認識著名的圖像生成 AI 模型及其運用方式。

  • 🚀 Diffusion Models 進階主題

    • 深入探討 Latent Diffusion Models。

    • 解析 LoRA 與 ControlNet 等進階控制概念。

  • 🛠️ Fooocus 安裝及實戰

    • 運用免費強大的 Fooocus 工具來使用 Stable Diffusion 模型。

    • 透過實作學習各種圖像生成的關鍵概念。

  • ⚖️ 文字生圖：技術與倫理

    • 討論文字生圖的進階技術主題。

    • 反思圖像生成背後的倫理議題。

章節

* 以下章節為預覽，請點報名後點選開始上課，進入課程
  • 第一週：為什麼要研究生成式 AI？
    • ● 1-1 老師自介與前導
    • ● 1-2 原理+實作並行
    • ● 1-3 課程學習目標
    • ● 1-4 為什麼開始討論生成式AI
    • ● 1-5 Colab 基本設定介紹
    • ● 1-6 Colab 實作：畫一個函數
    • ● 1-7 同學QA
    • ● 第一週練習題
  • 第二週：神經網路的概念-上
    • ● 2-1 機器學習前置準備
    • ● 2-2 八哥辨識任務定義(分類型)
    • ● 2-3 答案「機率化」(Softmax)
    • ● 2-4 AI 的兩個關鍵
    • ● 2-5 當下主流框架：神經網路
    • ● 2-6 激發函數
    • ● 2-7 通用近似定理 與 3+1種核心模型
    • ● 第二週練習題
  • 第三週：神經網路的概念-下
    • ● 3-1 架模型前要先決定：問題函數化
    • ● 3-2 我們與真實的距離1
    • ● 3-3 我們與真實的距離2
    • ● 3-4 手寫辨識實作、資料準備
    • ● 3-5 安裝套件、了解資料
    • ● 3-6 建立機器人(模型)
    • ● 3-7 測試與分享成果
    • ● 第三週練習題
  • 第四週：紅極一時的生成對抗網路 GAN
    • ● 4-1 上一代生成模型GAN與其瓶頸
    • ● 4-2 2016時 GAN的潛力與成果
    • ● 4-3 GAN相關數學
    • ● 4-4 GAN的高光時刻WGAN
    • ● 4-5 其它重要/有趣的GAN
    • ● 第四週練習題
  • 第五週：大型語言模型原來這麼簡單
    • ● 5-1 文字生成原理(NLP)
    • ● 5-2 LLM 與 八哥辯識的異與同
    • ● 5-3 RNN與變型金剛
    • ● 5-4 生成模型為什麼這麼厲害呢
    • ● 5-5 用好 LLM 的原則
    • ● 第五週練習題
  • 第六週：大型語言模型（LLM）的應用及倫理議題的挑戰(一)
    • ● 6-1 大型語言模型（LLM）的應用及倫理議題的挑戰
    • ● 6-2 LLM 的各式問題與討論 Ⅰ：幻覺
    • ● 6-3 LLM 的各式問題與討論 Ⅱ ：意識
    • ● 6-4 LLM 的各式問題與討論 Ⅲ：抄襲？
    • ● 6-5 LLM 的各式問題與討論 Ⅳ：資安？
    • ● 6-6 小結：做個負責任的使用者
    • ● 第六週練習題
  • 第七週：大型語言模型（LLM）的應用及倫理議題的挑戰(二)
    • ● 7-1 其它對 AI 的擔心(統一世界？)
    • ● 7-2 下好 prompt 來客製化個人LLM
    • ● 7-3 實作練習 [員瑛式思考產生器]
    • ● 7-4 用OpenAI API 打造對話機器人 Ⅰ
    • ● 7-5 用OpenAI API 打造對話機器人Ⅱ
    • ● 第七週練習題
  • 第八週：文字生圖AI的原理及實作
    • ● 8-1 實作 Diffusers 文字生圖 (前置設定)
    • ● 8-2 實作 Diffusers 文字生圖 (開始畫圖)
    • ● 8-3 可嘗試的SD1.5 模型
    • ● 8-4 作業用範例程式
    • ● 8-5 可以控制角色動作嗎？ ControlNet
    • ● 8-6 實作工具：Fooocus
    • ● 8-7 Fooocus 在 Colab實作
    • ● 8-8 實際操作與重點功能一
    • ● 8-9 重點功能二：Style設定
    • ● 8-10 進階 Input Image Prompt 介紹
    • ● 8-11 描邊：Canny
    • ● 8-12 部份重繪 In/Out paint
    • ● 8-13 多圖輸入、CPDS(動作控制)
    • ● 第八週練習題

常見問題

線上成績單 ：
此課程不提供線上成績單，僅供成績顯示

學習履歷 ：
此課程不提供學習履歷

此課程沒有設定常見問題

講師

teacher Picture

蔡炎龍

代數幾何, 熱帶幾何, 神經網路,深度學習,人工智慧 ｜ 查看講師

評價

0.0

平均評價

本課程尚未有人來評價

預覽影片 & 簡介

2026 TAICA-生成式AI：文字與圖像生成的原理與實務(1-6月)

Course Description<br />本課程介紹是當今火紅的生程式 AI，引領學生進入生成式人工智慧的奇妙世界。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。<br /><br />從探索神經網路的基本原理到剖析當下流行的 AI 技術如 LLM 大型語言模型和 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。<br /><br />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。<br /><br />這門課程適合對人工智慧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。<br /><br />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。