2026 TAICA-生成式AI：文字與圖像生成的原理與實務(1-
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。
沒有留言:
發佈留言