(此架構為AI生成，僅供參考，非資策會官方資訊)

1. 生成式AI基礎知識 (Generative AI Fundamentals)

(這個章節的目標是：理解生成式AI是什麼、它的歷史演進，以及其背後的核心技術原理。)

• 1.1 AI、機器學習與深度學習
  • 1.1.1 人工智慧 (AI) 的定義與範疇
  • 1.1.2 機器學習 (ML) 的定義與三大類型 (監督式、非監督式、強化學習)
  • 1.1.3 深度學習 (DL) 的定義，以及與機器學習的關係
  • 1.1.4 基礎神經網路概念 (神經元、層、權重)
• 1.2 自然語言處理 (NLP) 的演進
  • 1.2.1 傳統NLP技術簡介 (詞袋模型、TF-IDF)
  • 1.2.2 序列模型：循環神經網路 (RNN) 與其問題 (梯度消失/爆炸)
  • 1.2.3 長短期記憶網路 (LSTM) 如何解決RNN的問題
• 1.3 Transformer 模型：現代生成式AI的核心
  • 1.3.1 Transformer 架構的核心思想 ("Attention is All You Need")
  • 1.3.2 關鍵技術：注意力機制 (Attention Mechanism) 的運作原理
  • 1.3.3 編碼器 (Encoder) 與 解碼器 (Decoder) 的角色
  • 1.3.4 為何 Transformer 能取代 RNN/LSTM 成為主流？
• 1.4 主要大型語言模型 (LLM) 與其家族
  • 1.4.1 大型語言模型 (LLM) 的通用定義
  • 1.4.2 GPT 系列 (Generative Pre-trained Transformer) 的演進與思想
  • 1.4.3 BERT 模型及其與GPT的差異 (雙向 vs. 單向)
  • 1.4.4 其他知名模型簡介 (如 T5, LLaMA)
• 1.5 圖像生成模型
  • 1.5.1 生成對抗網路 (GAN)：生成器與鑑別器的對抗遊戲
  • 1.5.2 關鍵模型：StyleGAN 的原理與其對風格的控制能力
  • 1.5.3 變分自動編碼器 (VAE) 的基本原理
  • 1.5.4 擴散模型 (Diffusion Models) 的核心思想 (去噪過程)
• 1.6 核心專有名詞
  • 1.6.1 Token (詞元) 與 Tokenization (分詞)
  • 1.6.2 Embedding (詞向量) 的概念
  • 1.6.3 Hallucination (幻覺) 的定義與成因
  • 1.6.4 Pre-training (預訓練) 與 Fine-tuning (微調)
  • 1.6.5 Foundation Model (基礎模型)

2. 生成式AI能力強化 (Generative AI Capability Enhancement)

(這個章節的目標是：學習如何「優化」AI的能力，使其表現更好、更符合需求，包含提示技巧與模型訓練方法。)

• 2.1 提示工程 (Prompt Engineering)：與AI溝通的藝術
  • 2.1.1 提示 (Prompt) 的基本結構 (角色、任務、指令、範例)
  • 2.1.2 零樣本提示 (Zero-shot Prompting)
  • 2.1.3 單樣本/少樣本提示 (One/Few-shot Prompting)
  • 2.1.4 進階技巧：思維鏈 (Chain-of-Thought, CoT)
  • 2.1.5 進階技巧：自我一致性 (Self-Consistency)
• 2.2 模型優化與對齊技術
  • 2.2.1 從人類回饋中學習 (RLHF) 的三階段流程
  • 2.2.2 參數高效微調 (PEFT) 的概念
  • 2.2.3 LoRA (Low-Rank Adaptation) 的基本原理與優勢
• 2.3 擴展模型能力的框架
  • 2.3.1 關鍵框架：ReAct (Reasoning and Acting) 的運作模式
  • 2.3.2 ReAct 如何結合LLM的推理與外部工具的使用
  • 2.3.3 檢索增強生成 (Retrieval Augmented Generation, RAG) 的概念
• 2.4 評估生成式AI的挑戰
  • 2.4.1 如何評估生成內容的品質 (流暢度、相關性、真實性)
  • 2.4.2 常見的評估指標簡介 (如 BLEU, ROUGE)
  • 2.4.3 人工評估的重要性

3. 生成式AI應用技能 (Generative AI Application Skills)

(這個章節的目標是：了解生成式AI在真實世界中的各種應用，以及熟悉特定工具的功能與使用情境。)

• 3.1 文本生成應用
  • 3.1.1 內容創作 (文案、部落格文章、劇本)
  • 3.1.2 摘要與總結 (會議記錄、研究報告)
  • 3.1.3 問答與對話機器人 (客服、個人助理)
  • 3.1.4 程式碼生成與除錯