《Introduction to Generative AI for Software Development》是《Generative AI for Software Development》的第一段課程，它共安排了三週的時間，其課程的目標是希望參與者可以全面掌握生成式 AI 工具（如大型語言模型，LLMs）在軟體開發中的應用，並學會如何將其融入日常工作，提升開發效率、解決問題的能力，同時啟發學員探索更多應用的可能性。

課程從基礎概念開始，幫助學員了解生成式 AI 的運作原理，例如 Transformer 架構如何實現語言理解與生成，並讓學員認識到生成式 AI 與傳統軟體開發的差異與優勢。接著課程逐步引導學員學會與 LLMs 協作，透過角色設定和精準的提示工程，讓 AI 工具能針對特定需求提供專業建議。同時課程強調回饋與迭代的重要性，幫助學員在反覆互動中改進 AI 輸出的品質，逐步建立提問的能力與批判性思維。

課程中有不少實作練習，讓學員熟悉如何使用生成式 AI 協助完成程式碼的生成、效能優化，以及程式碼分析等工作。課程設計不僅涵蓋了資料結構與演算法的開發，還展示了如何利用 AI 驗證程式碼的效能跟安全性，讓學員在實務操作中體會生成式 AI 的價值與潛力。

透過這三週的學習，不僅能學會如何操作與應用生成式 AI，還能理解其背後的運作邏輯及 AI 的應用限制，進一步將其視為開發過程中的得力助手。課程的核心目標在於讓學員成為一個更高效、更有創造力的開發者，同時具備運用生成式 AI 解決實際開發挑戰的能力與信心。由於課程有一週的免費試讀，透過我這篇介紹大家可以考慮是否報名，進入與 AI 人機協作的領域來探究跟學習。

在課堂進行的過程裡，它提供了開發環境跟 LLM（GPT-4o）的資源，所以就算是初學者也可以在 coursera 課程平台上進行練習。授課老師 Laurence Moroney 在每一堂課都有提供下載的資料，包含課程影片、字幕、程式碼。因此需要延伸探究跟實作時，可以參考課堂上提供的附件。每一週的課程都會有作業/測驗，要求要達到 80 分以上才能過關，這些作業都是問答題，有的是複選，若沒有達到標準可以重作。

在第三週的課程會迎來第一個程式作業，是透過平台內建的 Jupyter 來進行開發，並上傳評分。除了計分的作業/測驗之外，也會有延伸的題目，讓我們自行延伸探究跟練習。我自己是花費了九天的時間（平均每天用八個小時上課跟練習），完成了這堂課的內容。以下我簡述課程得大綱，以及我自己的心得。

課程設計的主要觀念與知識

第一週：生成式 AI 與基礎概念

課程從生成式 AI 的基本框架入手，幫助開發者理解大型語言模型（LLM）的運作方式，例如 Transformer 架構如何生成自然語言文本。同時參與者學會區分機器學習與傳統軟體開發的差異，並通過監督式學習的例子加深理解。這些基礎內容為後續應用 LLM 提供了必備知識，特別是為新手建立了對生成式 AI 的全面認識。如果想進一步了解人工智慧跟機器學習的概念，可以參考這部九十分鐘的影片「【漫士科普】90分鐘深度！一口氣看懂人工智慧和神經網路」。