<?xml version="1.0" encoding="utf-8"?>
<oembed><version>1.0</version><provider_name>Camdemy1.0</provider_name><provider_url>http://eclass.uch.edu.tw</provider_url><title>20251219B</title><description></description><author_name></author_name><author_url>http://eclass.uch.edu.tw/user/</author_url><converting>0</converting><thumbnail_url>http://eclass.uch.edu.tw/sysdata/doc/f/f1070c0c726e257e/thumb_l.jpg</thumbnail_url><thumbnail_height>360</thumbnail_height><thumbnail_width>640</thumbnail_width><html>&amp;lt;iframe width='720' height='405' id='ccShare50520' frameborder='0' scrolling='no' src='http://eclass.uch.edu.tw/media/e/50520'&amp;gt;&amp;lt;/iframe&amp;gt;</html><type>video</type><width>720</width><height>405</height><duration>33:20</duration><index><item_1><title>index 1</title><time>0</time><indent>0</indent><sn>1</sn></item_1><item_2><title>Q1 生成式 AI 在內容生成 (Text Generation) 領域最主要的功能定位是？</title><time>11090</time><indent>0</indent><sn>2</sn></item_2><item_3><title>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？</title><time>52490</time><indent>0</indent><sn>3</sn></item_3><item_4><title>Q3 在視覺內容生成中，擴散模型 (Diffusion Models) 的核心作用機制是？</title><time>95440</time><indent>0</indent><sn>4</sn></item_4><item_5><title>Q4 RAG (Retrieval-Augmented Generation) 架構在企業知識庫問答系統中的主要優勢是？</title><time>111240</time><indent>0</indent><sn>5</sn></item_5><item_6><title>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？</title><time>141140</time><indent>0</indent><sn>6</sn></item_6><item_7><title>Q4 RAG (Retrieval-Augmented Generation) 架構在企業知識庫問答系統中的主要優勢是？</title><time>150540</time><indent>0</indent><sn>7</sn></item_7><item_8><title>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？</title><time>159590</time><indent>0</indent><sn>8</sn></item_8><item_9><title>Q6 在音樂生成領域，常見的應用類型是？</title><time>192590</time><indent>0</indent><sn>9</sn></item_9><item_10><title>Q7 LangChain 這樣的工具在生成式 AI 應用中的核心作用是？</title><time>209690</time><indent>0</indent><sn>10</sn></item_10><item_11><title>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)？</title><time>223690</time><indent>0</indent><sn>11</sn></item_11><item_12><title>Q9 Prompt 工程 (Prompt Engineering) 在 LLM 應用規劃中的主要目的是？</title><time>245040</time><indent>0</indent><sn>12</sn></item_12><item_13><title>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？</title><time>264690</time><indent>0</indent><sn>13</sn></item_13><item_14><title>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？</title><time>264690</time><indent>0</indent><sn>14</sn></item_14><item_15><title>** after L122A 生成式 AI 應用領域與常見工具.pptx</title><time>265690</time><indent>0</indent><sn>15</sn></item_15><item_16><title>Q9 Prompt 工程 (Prompt Engineering) 在 LLM 應用規劃中的主要目的是？</title><time>404840</time><indent>0</indent><sn>16</sn></item_16><item_17><title>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？</title><time>405640</time><indent>0</indent><sn>17</sn></item_17><item_18><title>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？</title><time>438040</time><indent>0</indent><sn>18</sn></item_18><item_19><title>Q12 在生成式 AI 規劃中，Zero-shot Prompting 的含義是？</title><time>467340</time><indent>0</indent><sn>19</sn></item_19><item_20><title>** after L122A 生成式 AI 應用領域與常見工具.pptx</title><time>488890</time><indent>0</indent><sn>20</sn></item_20><item_21><title>Q12 在生成式 AI 規劃中，Zero-shot Prompting 的含義是？</title><time>838290</time><indent>0</indent><sn>21</sn></item_21><item_22><title>Q13 Low Code/No Code 平台在生成式 AI 應用規劃中的角色定位是？</title><time>839240</time><indent>0</indent><sn>22</sn></item_22><item_23><title>Q12 在生成式 AI 規劃中，Zero-shot Prompting 的含義是？</title><time>840340</time><indent>0</indent><sn>23</sn></item_23><item_24><title>Q13 Low Code/No Code 平台在生成式 AI 應用規劃中的角色定位是？</title><time>841890</time><indent>0</indent><sn>24</sn></item_24><item_25><title>Q14 Chain-of-Thought (CoT) Prompting 技巧的主要目的是？</title><time>848040</time><indent>0</indent><sn>25</sn></item_25><item_26><title>** after L122A 生成式 AI 應用領域與常見工具.pptx</title><time>864090</time><indent>0</indent><sn>26</sn></item_26><item_27><title>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？</title><time>887190</time><indent>0</indent><sn>27</sn></item_27><item_28><title>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？</title><time>924890</time><indent>0</indent><sn>28</sn></item_28><item_29><title>Q17 下列哪一項不是生成式 AI 在商業應用中的常見風險？</title><time>959640</time><indent>0</indent><sn>29</sn></item_29><item_30><title>Q18 Text-to-Speech (TTS) 模型屬於哪一個生成式 AI 應用領域？</title><time>998240</time><indent>0</indent><sn>30</sn></item_30><item_31><title>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？</title><time>1013090</time><indent>0</indent><sn>31</sn></item_31><item_32><title>Q20 Token 在 LLM 中的概念代表什麼？</title><time>1030540</time><indent>0</indent><sn>32</sn></item_32><item_33><title>Q21 Midjourney 在生成式 AI 圖像領域的特色是？</title><time>1055090</time><indent>0</indent><sn>33</sn></item_33><item_34><title>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？</title><time>1082840</time><indent>0</indent><sn>34</sn></item_34><item_35><title>Q23 Few-shot Prompting 技巧與 Zero-shot Prompting 的區別在於？</title><time>1103240</time><indent>0</indent><sn>35</sn></item_35><item_36><title>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？</title><time>1115590</time><indent>0</indent><sn>36</sn></item_36><item_37><title>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？</title><time>1143540</time><indent>0</indent><sn>37</sn></item_37><item_38><title>Q26 Token Limits (Token 限制) 對於 LLM 應用規劃的實際影響是什麼？</title><time>1180840</time><indent>0</indent><sn>38</sn></item_38><item_39><title>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？</title><time>1217640</time><indent>0</indent><sn>39</sn></item_39><item_40><title>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？</title><time>1251490</time><indent>0</indent><sn>40</sn></item_40><item_41><title>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？</title><time>1272140</time><indent>0</indent><sn>41</sn></item_41><item_42><title>Q30 下列哪個工具不屬於生成式 AI 的主流圖像生成工具？</title><time>1305190</time><indent>0</indent><sn>42</sn></item_42><item_43><title>Q31 在生成式 AI 應用中，模型偏見 (Bias) 帶來的倫理風險是？</title><time>1338190</time><indent>0</indent><sn>43</sn></item_43><item_44><title>Q32 Agent (智能代理) 在生成式 AI 應用中的作用是什麼？</title><time>1366290</time><indent>0</indent><sn>44</sn></item_44><item_45><title>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？</title><time>1385190</time><indent>0</indent><sn>45</sn></item_45><item_46><title>Q34 語音合成 (TTS) 模型在客服領域的應用價值是什麼？</title><time>1417740</time><indent>0</indent><sn>46</sn></item_46><item_47><title>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？</title><time>1433290</time><indent>0</indent><sn>47</sn></item_47><item_48><title>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？</title><time>1442590</time><indent>0</indent><sn>48</sn></item_48><item_49><title>Q37 Code Interpreter (或類似的代碼執行環境) 在 LLM 應用中的主要功能是？</title><time>1490290</time><indent>0</indent><sn>49</sn></item_49><item_50><title>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？</title><time>1513590</time><indent>0</indent><sn>50</sn></item_50><item_51><title>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？</title><time>1542390</time><indent>0</indent><sn>51</sn></item_51><item_52><title>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？</title><time>1556390</time><indent>0</indent><sn>52</sn></item_52><item_53><title>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？</title><time>1578290</time><indent>0</indent><sn>53</sn></item_53><item_54><title>Q42 AI 倫理與偏見的風險，在應用規劃階段應如何主動減輕？</title><time>1618290</time><indent>0</indent><sn>54</sn></item_54><item_55><title>** after L122A 生成式 AI 應用領域與常見工具.pptx</title><time>1631990</time><indent>0</indent><sn>55</sn></item_55><item_56><title>Q42 AI 倫理與偏見的風險，在應用規劃階段應如何主動減輕？</title><time>1706640</time><indent>0</indent><sn>56</sn></item_56><item_57><title>Q43 合成數據的應用價值，最主要體現在何處？</title><time>1711590</time><indent>0</indent><sn>57</sn></item_57><item_58><title>Q44 在 LLM 應用規劃中，Prompt 注入 (Prompt Injection) 攻擊的風險是？</title><time>1729940</time><indent>0</indent><sn>58</sn></item_58><item_59><title>Q45 開源 LLM (如 Llama 3) 相較於商業 LLM (如 GPT-4) 的主要優勢是？</title><time>1748940</time><indent>0</indent><sn>59</sn></item_59><item_60><title>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？</title><time>1789640</time><indent>0</indent><sn>60</sn></item_60><item_61><title>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？</title><time>1808590</time><indent>0</indent><sn>61</sn></item_61><item_62><title>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？</title><time>1842140</time><indent>0</indent><sn>62</sn></item_62><item_63><title>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？</title><time>1851890</time><indent>0</indent><sn>63</sn></item_63><item_64><title>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？</title><time>1866540</time><indent>0</indent><sn>64</sn></item_64><item_65><title>Slide 52</title><time>1876490</time><indent>0</indent><sn>65</sn></item_65><item_66><title>** after L122A 生成式 AI 應用領域與常見工具.pptx</title><time>1997540</time><indent>0</indent><sn>66</sn></item_66></index><resolution><playtype>fs</playtype><subtype></subtype><src>1920x1080</src><mp4>720x404</mp4><mp4_hd>1280x720</mp4_hd><mp4_1920>1920x1080</mp4_1920><mp4_4k></mp4_4k><mp4_src></mp4_src><mp4_base></mp4_base></resolution><base_image><thumb>http://eclass.uch.edu.tw/sysdata/doc/f/f1070c0c726e257e/thumb.jpg</thumb><cover>http://eclass.uch.edu.tw/sysdata/doc/f/f1070c0c726e257e/cover.jpg</cover><storyboard>http://eclass.uch.edu.tw/sysdata/doc/f/f1070c0c726e257e/video/thumbs/storyboard.jpg</storyboard></base_image><srcFrom></srcFrom><base_url>http://eclass.uch.edu.tw/sysdata/doc/f/f1070c0c726e257e</base_url><status>1</status></oembed>
