教學大綱與進度

課程基本資料：

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
114-1	352077	生成式AI設計實務應用	1	3.0	3	★	陳靜儀	工設三	44	0	計中電腦教室

教學大綱與進度：

教師姓名	陳靜儀　教師諮商時間(Office Hours)
Email	cic@ntut.edu.tw
最後更新時間	2025-10-15 16:36:37
課程大綱	課程目標 1. 培養學生對生成式 AI 技術的理解、批判思考並具備評估未來工具適用性的能力 2. 掌握「提示工程」技巧，能有效運用 AI 工具進行設計創作 3. 學會整合傳統設計方法與 AI 技術，提升設計效率與創新性 4. 培養運算思考能力、任務分析溝通能力與自動化流程 5. 建立 AI 素養與設計倫理觀念 6. 完成具有實際應用價值的「設計專案」 7. 建構 iPAS「AI 應用規劃師」初級證照核心知識
課程進度	114-1-生成式 AI 設計實務應用 模組一：基礎原理與提示工程（第1-3週） 第1週：課程導論與 AI 設計趨勢 學習目標：建立對生成式 AI 在設計領域應用的整體認知 -生成式 AI 發展史與設計產業變革（第五次工業革命） -AI 工具生態系統概覽（ChatGPT、Claude、Gemini、Midjourney等） -設計師角色轉變：從創作者到 AI 協作者 -iPAS 證照簡介 -iPAS 考點融入：AI 基本概念與發展歷程 -實作練習：使用不同 AI 工具完成簡單設計任務，體驗差異性 第2週：生成式AI技術原理與LLM基礎 學習目標：理解 AI 技術運作機制，建立技術素養基礎；掌握有效溝通與提示結構設計技巧 -大型語言模型（LLM）基本原理 -擴散模型與圖像生成技術 -Token 概念與模型限制 -結構化提示撰寫方法 -提示工程核心概念與重要性：Few-shot 、Chain of Thought（思考鏈）提示結構 -iPAS 考點融入：機器學習、深度學習基本概念；生成式 AI 內容品質確保措施 -實作練習：分析不同模型輸出結果，理解技術特性 第3週：以檢索增強生成 (RAG) 建立自己的知識庫與 AI 素養與倫理 學習目標：建立負責任的 AI 使用觀念 -智慧財產權與版權議題、AI 生成內容的標註與引用規範 -AI 偏見識別與緩解策略、透明性、可解釋性 AI 原則 -設計原創性 vs. AI 輔助的界線 -實作練習：建立自己的知識庫（NotebookLM、GPTs…）；建立專屬於自己的 iPAS 教材知識庫強化應考能力 -iPAS 考點融入：AI 治理的重要性與實踐；資料前處理技術與隱私保護；資料隱私與 GDPR 相關法規認知 模組二：LLM 的視覺與圖像生成（第4-10週） 第4週：Google AI 生態系中的視覺與圖像生成 學習目標：培養學生設計品味 -需要課前預備照片：家飾店現場 -GenAI 的視覺 -Google Gemini 工作流 -實作練習：利用侷限的室內空間進行軟裝設計 -課堂發表：同儕評鑑 -iPAS 考點融入：著作權與智慧財產權 第 5 週：LLM的視覺與設計概念發想 學習目標：運用 Midjourney 進行設計前期視覺探索 -Describe 功能 -設計風格分析、提示結構與技巧 -色彩、材質、形態的 AI 描述語言 -材質與紋理的 AI 生成應用 -實作練習：運動醫療相關 第6週：產品使用情境與應用場景 學習目標：創造產品使用情境的視覺敘事 -參考 (Reference) 參數：圖像一致性 -使用者情境的視覺化技巧 -生活型態場景設計 -實作練習：生成產品使用情境的故事板 第7週：產品廣告動畫 學習目標： -Midjourney 動畫生成 -實作練習：依照第六週主題發展 -課堂發表：以組為單位 第8週：設計開發流程實踐 學習目標：綜合運用視覺生成技能 -完整產品設計/室內設計開發流程實踐 -產品設計/室內設計開發案例分享 第9週：Text to 3D, 2D to 3D, and MCP 學習目標：整合前八週學習成果，以 LLM 複習前八週成果 -3D 工具介紹與使用 -小組報告：AI 工具比較分析 第10週：PechaKucha 學習目標：綜合技法呈現簡報設計 -呈現設計師個人特色風格 -個人 PechaKucha 10X20 -個人發表 模組三：Vibe Coding與自動化工作流（第11-14週） 第11週：Vibe Coding 入門與互動設計 學習目標： Vibe Coding 概念與應用場景 Claude 實作練習：安裝與實作 第12週：AI 導入規劃 學習目標：設計並實作設計流程自動化 理解 No-Code/Low-Code 設計自動化 任務需求分析、流程圖與設計溝通 重複性任務識別 API串接基礎概念、n8n 工作流 設計協作角色扮演 iPAS考點融入：AI 導入規劃與評估流程、No-Code/Low-Code平台特色與應用 實作練習：建立協作設計溝通與資料處理流程 第13 週：數據驅動設計決策 學習目標：整合數據分析與 AI 輔助決策 -網頁爬蟲與資料匯整自動化：競爭者分析 -使用者回饋數據的AI分析 -分析結果的視覺化呈現 -趨勢預測與設計建議生成 -實作練習：建立產品改良建議的自動化分析系統 第14 週：跨平台整合 學習目標：建立團隊協作的 AI 輔助環境 -設計工具間的 API 串接 -A2A 概念與案例 -實作練習：設計完整的客戶提案自動化流程 -iPAS考點融入：AI 應用相關法規與合規要求 第15週：AI工具客製化與微調 學習目標：進階 AI 工具應用與個人化設定 -Custom GPTs 或 Gem 的設計與應用 -專屬 AI 助手的訓練方法 -實作練習：開發專屬的設計顧問 AI 助手 -iPAS考點融入：企業級AI工具的部署考量 第16-17週：專案製作討論與優化 第18 週：專案發表與同儕評分
評量方式與標準	課堂互動（出席/態度）：10%（無故曠課者超過三次，分數最多為五分） 課後作業：20%（遲繳超過五次者，總分扣五分） 課堂作業：30%（未繳作者超過三次者，總分扣五分） 期末專題：40% 期末專案要求： 1. 主題自選：結合個人興趣與專業發展方向 2. 技術整合：必須運用三個模組的核心技能 3. 創新性：展現AI技術在設計中的創新應用 4. 實用性：具備實際應用價值或商業潛力 評量標準： * 技術應用深度（30%） * 創新性與原創性（25%） * 實用性與可行性（25%） * 簡報表達與視覺呈現（20%）
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】 使用外文原文書：否 自主學習教材：（視現況調整） Coursera 線上費課程 Google 官方 Introduction to Responsible AI Responsible AI: Applying AI Principles with Google Cloud IBM官方 Generative AI: Prompt Engineering Basics iPAS 公版教材 https://aimfg.org.tw/
課程諮詢管道	cic@mail.ntut.edu.tw
延伸教學與資源
課程對應SDGs指標	SDG4：優質教育（Quality Education） SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）
課程是否導入AI	● 使用生成式AI作為教學過程的輔助工具（Use generative AI tools as an aid to the teaching process） ● 鼓勵學生使用生成式AI工具（Encourage students to use generative AI tools） ● 使用生成式AI進行課堂即時互動（Use generative AI for real-time classroom interaction） ● 簡單介紹AI的基本概念（Briefly introduce the basic concept of AI） ● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）
備註	本課程經全班學生同意，將課程時間調整為下午 4:10-5:00, 5:10-6:00, 6:10-7:00。 本課程配合教育部「教學實踐研究計畫」與「國科會」計畫。 本課程主要 AI 工具如下： Claude, Google Gemini, ChatGPT, Midjourney, 並視趨勢而調整工具。