【Part A：AI 與 Python Recap 基礎模組 (5小時)】
- A-1 課程導論與 DLI 認證介紹 (0.5小時)
- 課程結構與評量方式說明
- NVIDIA DLI 認證類型、取得方式與應用情境
- 校園大使方案與雲端平台免費使用說明
- A-2 生成式 AI 與 LLM 觀念總整理 (1.5小時)
- 從傳統 ML / DL 到 Transformer 與 LLM 的演進
- Token、Embedding、Attention 的直覺說明
- LLM 在校園與企業應用案例(客服、知識庫、文件摘要等)
- A-3 Python 核心語法與常用套件 Recap (1.5小時)
- 從循序程式到全物件導向程式設計
- list, tuple, dict資料型別
- Numpy, Keras, PyTorch介紹
- 使用 requests 呼叫 API 的基本概念
- A-4 Hugging Face 與 LLM 實作暖身 (1.5小時)
- Hugging Face 生態系(Models / Datasets / Spaces)介紹
- 使用 pipeline 完成情緒分析、分類、問答或摘要
- 說明後續 DLI 模組使用之雲端環境與操作流程
【Part B：NVIDIA DLI 認證模組 (7小時)】
- B-1 Course Introduction (30 分鐘)
- Workshop 議程與主題
- 介紹 HuggingFace 與 Transformers
- 討論 LLM 如何強化企業與學術應用
- B-2 Transformers and LLMs (60 分鐘)
- 從深度學習概念引出 Transformer 架構
- Tokenizers、Embeddings、Attention 機制
- LLM 的輸入與輸出流程
- B-3 Task-Specific Pipelines (30 分鐘)
- Encoder 模型於不同 NLP 任務上的應用
- 輕量模型在嵌入、分類、子集合篩選與零樣本預測的使用
- B-4 Seq2Seq with Decoders (60 分鐘)
- GPT 類 Decoder 模型與自回歸生成
- Encoder-Decoder 架構在翻譯與 few-shot 任務中的應用
- B-5 Multimodal Architectures (60 分鐘)
- 整合文字、圖片、音訊的多模態工作流程
- CLIP、多模態問答、文字生圖(Diffusion)的概念示範
- B-6 Scaling Text Generation (60 分鐘)
- LLM 推論與部署的效能挑戰
- 企業級部署策略，擴展至大量資料與使用者
- B-7 Orchestration and Agentics (60 分鐘)
- 介紹 LangChain 與 agentic workflows
- tool-calling 與標準應用 / 資料的整合
- B-8 Final Assessment & Review (45 + 15 分鐘)
- 實作一個整合文字生成、多模態與 agentic orchestration 的 LLM 應用
- 回顧重點與 Q&A，完成線上評量與問卷，取得 DLI 證書
