AI核心理論影音課程 — 原理篇

第一章：人工智慧與機器學習原理 

o　1-1_人工智慧簡介
　　說明人工智慧（AI）的定義、發展歷史與主要研究領域。

o　1-2_演算法原理
　　探討演算法的基礎原理，包括機器學習訓練方程式、梯度下降法，並解說多層類神經網路MLP、KNN、決策樹等演算法的差異。

o　1-3_關鍵概念介紹

　　訓練機器學習模型時的一些關鍵概念，譬如資料收集、過擬合等，並回顧說明機器學習所有步驟。

第二章：影像辨識原理

o　2-1 影像的特徵擷取

　　介紹傳統影像特徵擷取方法，以及CNN卷積神經網路架構及原理，並解釋卷積層、池化層運作邏輯。

o　2-2 影像的物件偵測

　　進一步認識影像辨識其一功能「物件偵測」，並說明R-CNN、YOLO運作原理。

第三章：大語言模型原理

o 3-1 LLM概念

　　解說LLM大型語言模型基礎原理、類神經學習，以及多層類神經網路MLP架構。

o　3-2 Transformer原理

　　解說LLM核心技術 — Transformer的架構與運作原理。

o 3-3 GPT的架構與運作方式

　　解說第一版GPT的架構圖並細說每一層運作方式。

o　3-4 LLM模型訓練

　　探討現今主要的大型語言模型，如何說明從零開始訓練。