20251219B - 服務業管理 | 健行科技大學eclass易課平台

返回課程

長度: 33:20, 發表時間 : 2025-12-19 21:18

觀看次數 : 10

00:11
1. index 1
00:41
2. Q1 生成式 AI 在內容生成 (Text Generation) 領域最主要的功能定位是？
00:42
3. Q2 下列哪一個工具或模型最常被應用於程式碼生成 (Code Generation) 領域？
00:15
4. Q3 在視覺內容生成中，擴散模型 (Diffusion Models) 的核心作用機制是？
00:29
5. Q4 RAG (Retrieval-Augmented Generation) 架構在企業知識庫問答系統中的主要優勢是？
00:09
6. Q5 大型語言模型 (LLMs) 在企業應用規劃中，最主要的挑戰之一是幻覺 (Hallucination)，其涵義是？
00:09
7. Q4 RAG (Retrieval-Augmented Generation) 架構在企業知識庫問答系統中的主要優勢是？
00:33
8. Q5 大型語言模型 (LLMs) 在企業應用規劃中，最主要的挑戰之一是幻覺 (Hallucination)，其涵義是？
00:17
9. Q6 在音樂生成領域，常見的應用類型是？
00:14
10. Q7 LangChain 這樣的工具在生成式 AI 應用中的核心作用是？
00:21
11. Q8 下列哪一種應用場景最適合使用生成式 AI 來創建合成數據 (Synthetic Data)？
00:19
12. Q9 Prompt 工程 (Prompt Engineering) 在 LLM 應用規劃中的主要目的是？
00:00
13. Q10 在企業選擇導入 LLM 服務時，若採用 API 介接模式 (如使用 GPT-4 API)，其主要優勢是？
00:01
14. Q11 下列哪一個工具在圖像生成領域中以開源且高度客製化聞名，允許在地端部署和微調？
02:19
15. ** after L122A 生成式 AI 應用領域與常見工具.pptx
00:00
16. Q9 Prompt 工程 (Prompt Engineering) 在 LLM 應用規劃中的主要目的是？
00:32
17. Q10 在企業選擇導入 LLM 服務時，若採用 API 介接模式 (如使用 GPT-4 API)，其主要優勢是？
00:29
18. Q11 下列哪一個工具在圖像生成領域中以開源且高度客製化聞名，允許在地端部署和微調？
00:21
19. Q12 在生成式 AI 規劃中，Zero-shot Prompting 的含義是？
05:49
20. ** after L122A 生成式 AI 應用領域與常見工具.pptx
00:00
21. Q12 在生成式 AI 規劃中，Zero-shot Prompting 的含義是？
00:01
22. Q13 Low Code/No Code 平台在生成式 AI 應用規劃中的角色定位是？
00:01
23. Q12 在生成式 AI 規劃中，Zero-shot Prompting 的含義是？
00:06
24. Q13 Low Code/No Code 平台在生成式 AI 應用規劃中的角色定位是？
00:16
25. Q14 Chain-of-Thought (CoT) Prompting 技巧的主要目的是？
00:23
26. ** after L122A 生成式 AI 應用領域與常見工具.pptx
00:37
27. Q15 在程式碼生成應用中，生成式 AI 可以提供哪種重要的輔助功能？
00:34
28. Q16 企業若需高度客製化且對資料安全性有嚴格要求，最傾向於採用哪種 LLM 部署模式？
00:38
29. Q17 下列哪一項不是生成式 AI 在商業應用中的常見風險？
00:14
30. Q18 Text-to-Speech (TTS) 模型屬於哪一個生成式 AI 應用領域？
00:17
31. Q19 在使用圖像生成工具時，影響最終圖像品質和風格的最關鍵因素是？
00:24
32. Q20 Token 在 LLM 中的概念代表什麼？
00:27
33. Q21 Midjourney 在生成式 AI 圖像領域的特色是？
00:20
34. Q22 在生成式 AI 應用規劃中，當企業需要模型回答與最新時事相關的問題時，應優先考慮導入哪種技術？
00:12
35. Q23 Few-shot Prompting 技巧與 Zero-shot Prompting 的區別在於？
00:27
36. Q24 在數據與合成數據生成領域，GANs (生成對抗網路) 的主要應用價值是？
00:37
37. Q25 下列哪一個 AI 應用工具最適合用於將 LLM 整合到業務流程中，如當收到新郵件時，自動呼叫 LLM 進行摘要？
00:36
38. Q26 Token Limits (Token 限制) 對於 LLM 應用規劃的實際影響是什麼？
00:33
39. Q27 在 AI 應用倫理中，生成式 AI 帶來的版權與智慧財產權問題，主要體現在哪裡？
00:20
40. Q28 Code LLMs 在輔助程式設計時，哪一項能力對提升程式碼品質最有幫助？
00:33
41. Q29 若企業的業務涉及高度專業術語和特定語義，應如何對 LLM 進行優化以提升表現？
00:33
42. Q30 下列哪個工具不屬於生成式 AI 的主流圖像生成工具？
00:28
43. Q31 在生成式 AI 應用中，模型偏見 (Bias) 帶來的倫理風險是？
00:18
44. Q32 Agent (智能代理) 在生成式 AI 應用中的作用是什麼？
00:32
45. Q33 當企業選擇私有化部署開源 LLM 時，其最主要的營運成本是？
00:15
46. Q34 語音合成 (TTS) 模型在客服領域的應用價值是什麼？
00:09
47. Q35 DALL-E 圖像生成工具最大的優勢之一是其與哪一項技術的深度整合？
00:47
48. Q36 LLM 的長上下文 (Long Context) 能力提升後，在文件處理應用中最主要的優勢是？
00:23
49. Q37 Code Interpreter (或類似的代碼執行環境) 在 LLM 應用中的主要功能是？
00:28
50. Q38 在 AI 應用規劃中，若要將 LLM 的回答限制在企業的專業術語和事實範圍內，最有效的 Prompt 技巧是？
00:14
51. Q39 生成式 AI 相較於傳統判別式 AI (如分類模型) 的核心區別是？
00:21
52. Q40 Low Code 平台在串接生成式 AI API 時，最能解決公民開發者的哪一項技術困難？
00:40
53. Q41 若企業需應用生成式 AI 進行產品設計和行銷素材的快速迭代，應主要利用哪個領域的工具？
00:13
54. Q42 AI 倫理與偏見的風險，在應用規劃階段應如何主動減輕？
01:14
55. ** after L122A 生成式 AI 應用領域與常見工具.pptx
00:04
56. Q42 AI 倫理與偏見的風險，在應用規劃階段應如何主動減輕？
00:18
57. Q43 合成數據的應用價值，最主要體現在何處？
00:19
58. Q44 在 LLM 應用規劃中，Prompt 注入 (Prompt Injection) 攻擊的風險是？
00:40
59. Q45 開源 LLM (如 Llama 3) 相較於商業 LLM (如 GPT-4) 的主要優勢是？
00:18
60. Q46 在生成式 AI 應用中，若要讓模型能夠即時連接並使用 Google 搜尋的最新資訊，最可能透過哪種機制實現？
00:33
61. Q47 模型微調 (Fine-tuning) 的主要目的，與 RAG 解決問題的方向有何不同？
00:09
62. Q48 Code LLMs 在解釋現有程式碼時，最能幫助企業解決哪個常見問題？
00:14
63. Q49 在應用規劃時，若選擇使用雲端 LLM 服務 (如 GPT-4)，企業必須關注其服務條款中的哪個風險？
00:09
64. Q50 在聲音生成領域，下列哪一項應用情境最能體現生成式 AI 的能力？
02:01
65. Slide 52
00:02
66. ** after L122A 生成式 AI 應用領域與常見工具.pptx

長度: 33:20, 發表時間 : 2025-12-19 21:18

觀看次數 : 10

此教材已將討論功能關閉

筆記功能僅開放給課程成員，請先加入課程