課程介紹
本課程的具體目標為了解人工智慧歷史及演進、應用AI於生活、開發人工智慧新應用以及團隊互動。
課程活動
-
1.請試用幾個大型語言模型

-
閱讀 > 8 分鐘 1.2 大家都會用chatGPT
-
閱讀 > 15 分鐘 1.3 Gemini也不難用
-
需點過 1.4 請自行分組
-
閱讀 > 1 分鐘 1.5 AI影片1
00:06
-
閱讀 > 1 分鐘 1.6 AI影片2
-
閱讀 > 13 分鐘 1.7 試用xAI Grok與產生短片
-
需繳交, 03-10 20:00 1.8 ex1 請試用大型語言模型問大數據或AI要產生AI圖
-
2.生物視覺&機器視覺

-
閱讀 > 11 分鐘 2.1 生物視覺 機器視覺
-
閱讀 > 19 分鐘 2.2 機器視覺 與haarcascades偵測人臉與眼睛
-
閱讀 > 7 分鐘 2.3 機器視覺ILSVRC競賽之後
-
閱讀 > 16 分鐘 2.4 google colab上設定Gemini與操作Python
-
分數 > 60, 03-10 23:30 2.6 exam1
-
閱讀 > 18 分鐘 2.7 AI發展測驗解答
-
閱讀 > 1 分鐘 2.8 AI發展測驗解答pptx
-
閱讀 > 18 分鐘 2.9 GPT/Gemini/Claude/Grok四大LLM+AI 3巨頭
-
需繳交, 03-17 00:00 2.10 ex2 在colab上試用Gemini並比較其他LLM
-
-
3.CNN與Teachable Machine

-
閱讀 > 1 分鐘 3.2 邁向AI機器學習---Teachable Machine
-
閱讀 > 24 分鐘 3.3 邁向AI機器學習CNN與Teachable Machine
-
閱讀 > 10 分鐘 3.4 ai人工智慧tensorflow playground說明
-
4.如何佈署訓練好的TM model

-
閱讀 > 18 分鐘 4.1 teachable machine訓練好的Keras模型在Colab上執行辨識
-
閱讀 > 11 分鐘 4.2 teachable Machine與app inventor 2製作辨識app
-
閱讀 > 37 分鐘 4.3 訓練到實戰:Teachable Machine 模型多端部署與colab實作
-
需繳交, 04-07 00:00 4.5 Ex3 Colab佈署TM model
-
-
5.有關Teachable Machine模型進階處理

-
分數 > 60, 03-31 00:00 5.2 exam2
-
閱讀 > 17 分鐘 5.3 為什麼AI把柴犬看成貓---CNN辨識模型測驗解答
-
閱讀 > 32 分鐘 5.5 Teachable Machine卡關?解決Keras轉檔失敗
-
閱讀 > 1 分鐘 5.6 為什麼_AI_把柴犬看成貓
-
6.用RAG學AI基礎神經網路

-
閱讀 > 25 分鐘 6.1 AI人工智慧Keras實作神經網路模型之1 mnist手寫數字
-
閱讀 > 1 分鐘 6.2 RAG&深度學習的 「Hello World」
-
需點過 6.4 神經網路模型.ipynb
-
閱讀 > 33 分鐘 6.5 RAG之NotebookLM操作與Keras辨識mnist手寫數字程式
-
-
7.期中報告
-
需繳交, 04-30 00:00 7.1 報告
-
閱讀 > 2 分鐘 7.2 打造你的第一個_AI:從魔法到邏輯
02:08
-
閱讀 > 5 分鐘 7.3 運用 NotebookLM-D11333025
05:57
-
閱讀 > 1 分鐘 7.4 證照上傳SIP,一次就上手!
01:37
-
-
8.認識YOLO

-
閱讀 > 1 分鐘 8.1 黑柴犬 登大屯山 南峰+yolov7
-
閱讀 > 8 分鐘 8.2 YOLO26在Colab Python上試做之1
-
閱讀 > 13 分鐘 8.3 YOLO26在Colab Python上試做畫面分割、姿態檢測與隨機狗辨識
-
閱讀 > 1 分鐘 8.4 YOLO好用
-
需點過 8.5 YOLO好用.ipynb
-
閱讀 > 17 分鐘 8.6 YOLO簡介
-

