生成式AI設計實務應用

臺北科技大學 115-1 學期課程，課號 361952。

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. 掌握三個層次的 Skill 撰寫能力：Prompt 撰寫、System Prompt 設計、Agent Skill 架構 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

模組一：基礎原理與技術素養（第1~4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、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。 第 2 週：PechaKucha 學習目標：生成圖像、風格一致性與圖像敘事 -呈現設計師個人特色風格 -個人 PechaKucha 10X10 -個人發表 第3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 第 4 週：Agentic AI & AI Agent 學習目標：Claude Pro & ChatGPT ----------------------------------------------------- 模組二：產品設計與推測設計（第5~8週） 第 5 週：GAI 倫理基礎與極端概念生成 學習目標：教師指導 Prompt 工程技巧，確保 GAI 輸出具有倫理挑釁性。 第 6 週：專業知識查核與批判決定 學習目標：查核證據分享與挑戰 第 7 週：設計迭代與論證物概念化 學習目標：將批判思維轉化為設計行動。 第 8 週：論證物呈現與軌跡展演 ----------------------------------------------------- 模組三：空間設計（第9~11週）業師協同教學：顏世倫老師 學習目標：完整室內設計開發流程介紹與實作 第 9 週：AI 室內設計視覺生成 - ChatGPT 實務操作與需求描述；室內設計指令建立；現況照片、草圖或平面資訊轉換為空間視覺；風格、家具、材質與色彩調整；AI 生成結果合理性判讀。 第 10 週：AI 視覺進階與影音表達 - 室內效果圖優化；同一設計概念延伸與局部修改；圖片轉影片；基本運鏡與動態提示；將靜態空間設計轉化為短影音展示。 第 11 週：Codex × 設計工作自動化 - 認識 Codex 的 AI 協作方式；以自然語言描述功能與工作需求；從需求到工具雛型；測試、發現問題並透過對話要求修正。課程不教授程式語法，重點為 AI 協作與流程思考。 ----------------------------------------------------- 模組四：無人機模組與 Vibe Coding（第12-15週） 第 12 週：無人機基礎概念 學習目標：透過淺顯易懂的教學，理解飛行原理、控制與動力 -空氣動力學實務 -飛行原理、升力成因與康達實驗 -飛行控制實務（紙飛機） -動力飛行實務（紙飛機） 第 13 週：多種材質飛行器製作 學習目標：以不同材質設計不同造型的外觀並試飛 第 14 週：程式開發 (Vibe coding) 與燒錄 學習目標：從與 AI 對談開始，理解控制模組的功能與參數，再透過 Vibe Coding 產生與調整程式碼，最後使用 Arduino IDE 燒錄到控制板，實際動手驗證。 第 15 週：專案製作討論與優化 第 16 週：專案成果發表與同儕評分 (設計大樓 B01)

評量方式

課堂互動（出席/態度）：10%（期中撤選前無故曠課者超過三次，給予期中預警；全學期未出席課程超過四次，扣10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） 期末專題成果發表：30% 宣傳影片/短影音：10% 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：必須運用其中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%）

教材

【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） 以下供參考，視趨勢現況更新 Coursera 線上〇費課程 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/