生成式AI：文字與圖像生成的原理與實務 2025

授課教師資訊

開設學校：政治大學 開授教師： 蔡炎龍 班級人數： 約2000人 (保留開課學校 500 人，本校上限40人） 開課級別：碩士課程 (政大學碩合開)

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 AutoGen 等等，完成從文字生成到圖像生成的多樣應用。

課程目標

1. 理解生成式 AI 的核心技術，包括神經網路、GAN、Transformer、大型語言模型、RAG、AI Agents、Diffusion Models 等。
2. 實際運用各種工具和框架，例如 OpenAI API、LangChain、AutoGen、HuggingFace、Fooocus，打造多樣的生成式 AI 應用。
3. 探討生成式 AI 的社會與倫理挑戰，從技術層面與實務層面提出創新解決方案。
4. 完成期末專題，整合所學內容，設計並展示一個實用的生成式 AI 系統。

時間與地點

每週二下午 16:10-19:00 地點：電腦教室3(管理大樓303室)
網路直播URL Facebook: 政大應數系直播中心 YouTube 課程存放點: Iveai - I’ve AI 炎龍老師的 YouTube 直播頻道

助教與答問時間

待公佈

協同教師與答問時間

楊智淵 cyyang@cgu.edu.tw
週二上午 10:30~11:30 管理大樓14樓 1416室

課程大綱

2024年的投影片PDF檔，第1,2,3,4,5,6,8,10,11,13週的內容，共10份

週次	日期	課程內容	備註	錄影	預定事項
1	2/18	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
2	2/25	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
3	3/4	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
4	3/11	文字生成 AI 與大型語言模型	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
5	3/18	RNN 及 transformers 的數學原理	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
6	3/25	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
7	4/1	打造自己的對話機器人	使用 OpenAI API，用程式的方式打造自己的對話機器人
8	4/8	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
9	4/15	專家講座	業界專家分享 RAG 在金融上的應用與挑戰
10	4/22	Agentic AI 與 AI Agents	什麼是 AI Agents？設計目標導向的 Agent，介紹 AutoGen 框架並展示應用案例
11	4/29	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
12	5/6	Diffusion Models 與圖像生成	介紹 Diffusion Models 的原理，包括加噪過程、U-Net 架構的減噪等概念
13	5/13	文字生圖 AI 的原理及實作	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
14	5/20	Diffusion Models 進階主題	Latten Diffusion Models, LoRA, ControlNet 等概念
15	5/27	Fooocus 實作圖像生成	介紹開源 WebUI 框架 Fooocus，使用 Stable Diffusion 等開源模型做圖形創作
16	6/3	研討會型式的期末專題成果分享

期末專題

組別	題目	投影片	書面報告	程式碼

教科書

使用上課講義

參考書籍

在投影片裏會提及

成績評量方式

• 作業及反思: 75% 每次作業繳交時間在兩週內，每次作業滿分為 10 分。歡迎同學運用大型語言模型協助，但只能寫出下一次 prompt 就生得出結果水準的作業，得分最高 3 分。
• 期末專案: 20% 每個人需完成一個生成式 AI 應用專案。期末分享採研討會模式，以投稿方式參與，獲選同學參加期末專案分享，並有額外加分。
• 上課參與 5% 非常鼓勵同學在「直播」時間參與課程，另外上課互動、參與討論等等，皆會列入考量。
• 額外加分 課程有「閃電秀」安排，同學們可自由報名，在每次上課第三節時，以 5 分鐘內的時間，分享自己對生成式 AI 相關的心得。每次上課最多可接受 5 位同學的分享。

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 https://platform.openai.com/ 儲值使用 OpenAI API 的 credit，應該 5 美金就完全足夠課程的需求。課程中我們還是會提供其他免費的方案，但使用 OpenAI API 可能會比較方便 (特別對技術不是那麼熟悉的同學)。
3. 非常強調不可以抄襲，包括抄襲網路上的作品，或者直接抄襲生成式 AI 產出者，皆是不可接受的。本課程是生成式 AI 課程，使用大型語言模型協作，不但是允許，甚至是鼓勵的。這裡的抄襲是直接下一個 prompt 就能產出的結果，直接當作業是不能接受的。