推動AI教育，
創新未來！
創新未來！
:::
課程
Tetsugo Chang
-
AI 課程
|
2025-04-25
|
點閱數：
538
晶創產業的生成式AI人才 培育
課程綱要（18小時）
課程介紹
各行業的AI模型都有神祕的潛藏空間(Latent Space)，模型設計師們也愈來愈重視它。 更關鍵的是，它是極佳的中間層(樹幹)，既支撐上層AI應用(枝葉)，又銜接底層晶片(樹根)。 成為台灣AIOC(AI on Chip)產業發展的康莊大道。
在深度學習網路的隱藏層，通常是濃縮顯著特徵的地方，是從用戶需求面看不見的，所以常稱為：潛藏空間(Latent Space)。 於是，可觀察的數據層和晶片層變得疏結合(Loosely-coupled)關係(圖-1)。 當可觀察層的需求及演算法變化所產生的漣漪效應不會波及晶片層。 同樣，當晶片層更改時，它不會影響可觀察層。 這可以大大降低AI晶片開發的風險。 因此，基於潛藏空間架構可以確保晶片底層設計變動的自由度，可以實現<沒錢就改版，改版就有錢>的商業策略。
課程目標
理解AI模型設計招式，運用Pytorch/TensorFlow訓練平台，開發各種ML(機器學習)模型。 採取MLOps專案管理模式，支援AI團隊與晶片設計師的協同設計(Co-design)與開發，無縫銜接到PLC、EDA晶片設計環境。
學員對象
有興趣於瞭解AI模型設計思維、開發技術、管理方法和晶片化商業策略者。 其中，熟悉程式設計者，可以使用Python來操作Pytorch； 而不諳Python者，則可使用Excel來操作幕後的Pytorch來訓練AI模型。 然後，也學習使用PLC和EDA等晶片設計環境。
課程特色
特別培養學員的AI晶片化視野，著眼於ML模型的潛藏空間(Latent Space)架構設計，支撐AI模組的復用性(Reusability)，來提升晶片的共用性。這個新視野涵蓋下圖裡的4項要素：
- Gen AI 生態化： AI需要大量數據才能運作，這些數據用來學習和做出智能決策。
- 模型容器化： 將AI拆解成小模塊，使其更容易開發和擴展，並且能夠適應不斷變化的需求。
- 晶片積木化： 為了確保AI模型運行高效且成本效益，需要設計特定的硬體，以滿足性能需求。
- 協同設計（Co-Design）： 通過協同設計和現代運營(MLOps)，確保AI模型可以成功部署、監控和管理，以實現實際價值。
課程安排（18小時課程）
| 主題 | 內容 | 備註 |
| 1、人工智慧(AI)與機器學習(ML) |
|
|
| 2、思考與討論 |
|
|
| 3、ML是大數據淘金者 |
|
|
| 4、思考與討論 |
|
|
| 5、關鍵技術：潛藏空間 |
|
|
| 6、思考與討論 |
|
|
| 7、AI模型設計的雕龍十八招(Part-1) |
|
|
| 8、AI模型設計的雕龍十八招(Part-2) |
|
|
| 9、AI模型設計的雕龍十八招(Part-3) |
|
|
| 10、思考與討論 |
|
|
| 11、回顧：目前常見的AI晶片化模式 |
|
|
| 12、前瞻：全生態的AI晶片化新策略 |
|
主講老師
神櫻AI團隊 / 晶創產業AI教師群
最新訊息
新聞載入中，請稍後...