生成式 AI 系統設計與實務
Design and Practice of Generative AI Systems
學期
114-2
學分
3
學分
當期課號
517412
永久課號
MGEM30088
開課單位
工業工程與管理學系
授課教師
陳華
校區
光復
類別
選修
上課時間表
| 節 | 週三 |
|---|---|
A 18:30–19:20 | 生成式 AI 系統設計與實務 MB520 3 節連堂 |
B 19:30–20:20 | |
C 20:30–21:20 |
* 根據陽明交大上課時間表所列
概述
課程概述與目標：本課程聚焦生成式人工智慧，內容涵蓋 Prompt/Context 設計、檢索式生成 (RAG)、智能代理 (Agent) 與模型微調 (Fine-tuning)。透過理論講授與課堂實作並重，學生將學會應用主流框架 (如 LangChain、LangGraph) 建構 AI 應用，並透過期末專案整合所學，培養實作能力與創新解題思維
先修科目
無
教學方式
● 理論講授與案例導入：課程前半段以簡報與示範講解，建立學生對生成式 AI 與相關框架的理論基礎，並透過實際案例讓學生理解技術應用場景。 ● 課堂實作：每堂課皆安排約 實作，學生需即時操作程式碼與工具，將理論應用於實際任務中，以加深理解並培養獨立解決問題的能力。
評分方式
本課程以「實作導向」為核心，評量方式將著重於學生對課堂所學之應用與實踐能力，並以課堂實作與作業成果為主要依據。整體評分項目與比例如下： 課堂實作 (60%) ○ 每週課程中皆設計小型實作練習，要求學生依照課堂內容完成程式撰寫或系統設定。 ○ 評分重點為學生是否能正確操作框架、理解流程並能提出改進想法。 課後作業 (40%) ○ 以週次主題為基礎，布置小型專題或延伸任務 (例如：設計 Prompt、建置簡單 RAG 系統、微調模型)。 ○ 作業評量包含正確性、創意性與完整度。
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | 從AI到生成式AI |
| 第 2 週 | 模型的選擇、local 推論方案 |
| 第 3 週 | 初探Langchain、Prompt 心法 |
| 第 4 週 | 從Prompt Engineering到Context Engineering |
| 第 5 週 | RAG核心概念、資料前處理 |
| 第 6 週 | Native RAG |
| 第 7 週 | RAG評估指標、Advanced RAG |
| 第 8 週 | HiRAG、LeanRAG |
| 第 9 週 | Agentic AI |
| 第 10 週 | Langgraph框架、MultiAgent System |
| 第 11 週 | MCP |
| 第 12 週 | LangFuse Agent觀測系統、LangGraph Studio打造AI應用 |
| 第 13 週 | LLM Fine Tuning Fundamentals |
| 第 14 週 | Instruction tuning data生成、Fine tune實戰 |
| 第 15 週 | LLMOPS |
| 第 16 週 | 回顧總結 |
Office Hours
- 地點
- TBD
- 時間
- TBD
- 聯絡方式
- adam725417@gmail.com