| 課程與核心能力關聯配比(%) |
課程目標之教學方法與評量方法 |
| 課程目標 |
核心能力 |
配比(%) |
教學方法 |
評量方法 |
本課程藉由課堂講授與程式實作，讓同學深入了解生成式人工智慧之原理與實務。
Through classroom lectures and hands-on programming, this course provides students with an in-depth understanding of the principles and practices of Generative AI. |
|
|
|
|
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習) |
| 週次 |
授課內容 |
| 第1週 |
生成式人工智慧介紹 Introduction of Generative Artificial Intelligence |
| 第2週 |
監督式學習 Supervised Learning |
| 第3週 |
全連接神經網路 Fully-Connected Neural Networks |
| 第4週 |
淺層捲積神經網路 Shallow Convolutional Neural Networks |
| 第5週 |
深層捲積神經網路 Deep Convolutional Neural Networks |
| 第6週 |
損失函數 Loss Functions |
| 第7週 |
梯度與初始化 Gradients and Initializations |
| 第8週 |
效能量測 Measurements of Performances |
| 第9週 |
殘差網路 Residual Networks |
| 第10週 |
轉換器 Transformers |
| 第11週 |
轉換器 Transformers |
| 第12週 |
非監督式學習 Unsupervised Learning |
| 第13週 |
生成對抗網路 Generative Adversarial Networks |
| 第14週 |
變分自編碼器 Variational Autoencoders |
| 第15週 |
擴散模型 Diffusion Models |
| 第16週 |
強化學習 Reinforced Learning |
自主學習
內容 |
02.閱覽產業及學術相關多媒體資料
|
|
| 學習評量方式 |
期中考30%、期末考30%、作業20%、書面報告20%。
Midterm Exam 30%, Final Exam 30%, Homework 20%, Written Report 20%.
|
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
| Simon J. D. Prince, “Understanding Deep Learning,” ISBN: 9780262048644, MIT Press, 2023. |
| 課程教材（教師個人網址請列在本校內之網址） |
投影片上傳於 iLearning 系統
Slides will be uploaded to iLearning system.
|
| 課程輔導時間 |
每週一早上11:10~12:00
11:10~12:00 Monday |
| 聯合國全球永續發展目標(連結網址) |
| 08.就業與經濟成長 09.工業、創新基礎建設 | 提供體驗課程：N |
|