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，學習如何運用 Vertex AI Agent Builder 為組織建構自主化的 AI 助理

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

完整解析 Transformer 架構的所有組件，並深入了解 BERT 如何以雙向編碼器革新自然語言理解任務

學習圖片說明生成（Image Captioning）的技術原理，理解視覺 Encoder 與語言 Decoder 如何協作，從圖片自動產出描述文字

全面了解 Vertex AI Studio 的功能與使用方式，從 Prompt 設計到模型評估，掌握 Google Cloud GenAI 開發的核心工具

深入學習 AI 系統中公平性與偏差問題的技術解方，掌握 Google Cloud 的 What-If Tool 與 Fairness Indicators 實作

學習讓 AI 模型決策過程可被理解的技術方法，掌握 Google Cloud Explainable AI 與 LIT 工具的實作

學習在 AI 系統中保護使用者隱私與確保安全的技術方案，涵蓋差分隱私、聯邦學習、資料遮蔽與 VPC 安全控管

學習如何將 MLOps 最佳實踐應用於生成式 AI 的生命週期管理，涵蓋模型版本控制、持續評估、A/B 測試與生產監控