中正大學課程大綱
課程名稱(中文): 生成式AI:文字與圖像生成的原理與實務 開課單位: 工學院碩博班(College of Engineering (Graduate))
課程名稱(英文) Generative AI: Text and Image Synthesis Principles and Practice 課程代碼 4015110_01
授課教師: 蔡炎龍 學分數 3
必/選修 選修 開課年級 大學部研究所
先修科目或先備能力:
課程概述:
「生成式 AI:文字與圖像生成的原理與實務」是一門兼具理論深度與實作樂趣的課程,專為希望深入了解生成式 AI 的技術與應用的學生而設計。不論對 AI 的認識是基礎還是進階,我們都希望透過這門課程,帶領同學探索生成式 AI 的無限可能。學生將會學習神經網路、GAN、Transformer、大型語言模型、RAG、AI Agents、Diffusion Models 等技術,並運用工具如OpenAI API、LangChain、HuggingFace 及 AISuite 等等,完成從文字生成到圖像生成的多樣應用。

課程特色
循序漸進的內容設計:從神經網路的基礎原理出發,逐步深入進階模型與應用。實作為主,理論為輔:課堂中將使用 Colab 進行程式實作,配合具挑戰性的課後作業,邊學邊做。探索最新技術:涵蓋最新的生成式 AI 模型與工具,掌握 AI 發展趨勢。多化的應用場景:課程內容涉及文字生成、圖像生成、對話機器人、Agentic AI 等多個領域。倫理與應用並重:不只在技術方面,更引導反思生成式 AI 的社會影響與,強調「負責任地使用AI」。
學習目標:
1.
教科書:
上課時間:每週二 16:00-19:00
是否接受非同步授課:是
遠距上課位置:
課程網頁:Facebook【政大應數系直播中心】
https://facebook.com/groups/nccumathonline/
課程 YouTube 錄影存留網: (包括 1132 課程錄影)
【Iveai – I’ve AI】
https://www.youtube.com/@ive-iveai

課程大綱 分配時數 核心能力 備註
單元主題 內容綱要 講授 示範 隨堂作業 其他
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。
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。
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。
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。
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。
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。
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。
專家講座
學界或業界專家分享生成式 AI 相關實務主

題。
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
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
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
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 Hugging
Face 的 diffusers 套件打造自己的圖像生成
AI Web APP。
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
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。
生成式 AI 應用與發展趨勢
介紹生成式 AI 新近發展。例如我們介紹文字
生成預測 token 的模型,還有圖像生成
diffusion models,有「互相攻佔」對方地盤的
現象。探討其中的原理和可能走向這個方向
的原因。
在 Gather.town 線上研討會型式的期末專題成果分享


請尊重智慧財產權,不得非法影印教師指定之教科書籍

教學要點概述:
1. 教材編選(可複選):自編簡報(ppt)教科書作者提供
2. 教學方法(可複選):講述板書講述
3. 評量工具(可複選):上課點名 5.00%, 隨堂測驗0%, 隨堂作業75.00%, 程式實作0%, 實習報告0%,
                       專案報告0%, 期中考0%, 期末考0%, 期末報告20.00%, 其他0%,
4. 教學資源:課程網站 教材電子檔供下載 實習網站
5. 教學相關配合事項: 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 htt

課程目標與教育核心能力相關性        
請勾選: