Study Jam：GenAI 開發者實戰

認識生成式 AI 的核心概念，理解 AI、機器學習與深度學習的關係，以及生成式 AI 如何改變產業應用模式

深入理解大型語言模型的訓練流程、架構特點與應用場景，掌握 Prompt Tuning 與 Fine-tuning 的差異

學習 Google 的 AI 七大原則，理解為何負責任的 AI 實踐是開發生成式 AI 應用的基石

在 Vertex AI Studio 中實作 Prompt 設計技巧，學習 Zero-shot、Few-shot 與結構化提示的實戰應用

學習如何在 Google Cloud 平台上將 Responsible AI 原則落實到 AI 開發工作流中，涵蓋工具、流程與組織層面的實踐方法

探索生成式 AI 在聊天機器人之外的廣泛應用場景，了解企業如何利用 GenAI 創造商業價值

系統性地拆解生成式 AI 的關鍵技術概念，從 Tokenization 到 Inference，建立完整的技術心智模型

全面了解生成式 AI 的產業生態系統，從模型供應商到應用層，掌握 Google Cloud 在生態鏈中的定位

學習如何在日常工作中有效運用 GenAI 工具，從個人生產力提升到團隊協作的全面轉型

了解 AI Agent 的概念與架構，認識 Google Cloud Agent Builder，並評估組織導入 Agent 的流程與風險

全面認識 Google Cloud 的 AI 與機器學習產品線，從 AutoML 到 Vertex AI，掌握不同抽象層級的工具選擇策略

認識圖片生成的核心技術原理，從 GAN 到 Diffusion Model，理解 Google Imagen 的架構與應用場景

深入學習 Embedding 與 Vector Search 的原理與實作，掌握 Vertex AI Vector Search 在語義搜尋與 RAG 中的核心角色

運用 Gemini 的多模態能力建構 RAG 系統，處理包含文字、圖片與表格的複雜文件檢索與問答

學習使用 Gemini API 開發應用程式，涵蓋 SDK 設定、多模態輸入、串流回應與 Function Calling 等核心開發技巧

了解 Gemini 如何在軟體開發的需求分析、設計、編碼、測試、部署到維運每個階段提供 AI 輔助

在 Google Cloud 上從零建構生成式 AI 應用，涵蓋架構設計、API 整合、後端部署與前端互動的完整流程

運用生成式 AI 技術現代化既有網站，從智慧搜尋、個人化推薦到對話式導覽，全面提升使用者體驗

結合 Vertex AI 的 GenAI 能力與 Flutter 的跨平台開發框架，建構能在行動裝置上運行的智慧 AI Agent 應用

使用 Streamlit 框架快速建構 Gemini 驅動的 GenAI 應用原型，從本地開發到 Cloud Run 部署的完整工作流

深入理解 Attention Mechanism 的數學原理與實作方式，認識 Self-Attention 如何成為 Transformer 的核心創新

深入理解 Encoder-Decoder 架構的設計理念，了解它如何處理序列到序列的轉換任務，以及在現代 AI 中的演化

拆解 Transformer 的共同積木，理解 BERT 的雙向編碼器與原始預訓練方法，並比較常見架構適合的任務

理解圖片說明生成的技術原理、視覺 Encoder 與語言 Decoder 如何協作，並學會依需求選擇 Cloud Vision、Gemini 或專用模型

釐清 Vertex AI Studio 與新版 Agent Studio 的關係，從 Prompt 實驗、模型選擇、Grounding 與安全設定走到可重現的開發流程

從受影響的人與可能傷害出發，學會切片量測、判讀公平指標的取捨，並把偏差檢查接進 AI 開發與上線流程

從讀者與使用情境選擇特徵歸因、相似案例或反事實方法，並學會驗證解釋的忠實度、穩定性與隱私風險

沿著資料生命週期做好最小化、去識別、權限與輸入輸出防護，並釐清差分隱私、聯邦學習與 Google Cloud 安全工具的邊界

把模型、Prompt、檢索、工具與評估案例綁成可重現版本，透過發布閘門、漸進上線、監控與回滾維運 GenAI 應用