หลังจากเรียนคอร์สเหล่านี้ รู้สึกมั่นใจในการสร้างการแสดงผลข้อมูลและแดชบอร์ดระดับมืออาชีพ
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
ปลดล็อกพลังของ AI แบบมัลติโมดัล
ก้าวสู่โลกสุดล้ำของโมเดล AI แบบมัลติโมดัล ที่ผสานข้อความ รูปภาพ และเสียงเข้าด้วยกัน เพื่อสร้างแอปพลิเคชันทรงพลังถวายสัตย์ เรียนรู้วิธีใช้ประโยชน์จากคลังโมเดลขนาดมหาศาลของ Hugging Face ที่มองเห็น ได้ยิน และเข้าใจได้อย่างที่ไม่เคยมีมาก่อน ไม่ว่าคุณจะวิเคราะห์เนื้อหาบนโซเชียลมีเดีย สร้างผู้ช่วยเสียง หรือพัฒนาแอปพลิเคชัน AI ยุคใหม่ โมเดลมัลติโหมดคือประตูสู่การจัดการข้อมูลหลากหลายประเภทได้อย่างราบรื่นเชี่ยวชาญเทคนิคมัลติโมดัลที่สำคัญ
สำรวจโมเดลล้ำสมัยอย่าง CLIP สำหรับทำความเข้าใจภาพและข้อความ SpeechT5 สำหรับสังเคราะห์เสียงพูด และโมเดลภาษาภาพ Qwen2 สำหรับวิเคราะห์ความรู้สึกแบบมัลติโมดัล ผ่านแบบฝึกหัดภาคปฏิบัติ คุณจะเชี่ยวชาญเทคนิคที่บริษัท AI ชั้นนำใช้สร้างระบบ AI แบบหลายโมดัลที่ซับซ้อนอย่างมีประสิทธิภาพเตรียมทักษะ AI ของคุณให้พร้อมรับอนาคต
หลักสูตรนี้จะมอบชุดเครื่องมือที่ครอบคลุมให้คุณรับมือกับงาน AI แบบหลายโมดัลได้อย่างมั่นใจ。 คุณจะได้เรียนรู้วิธีประมวลผลและผสานข้อมูลจากรูปแบบต่าง ๆ ได้อย่างมีประสิทธิภาพ ปรับแต่งโมเดลที่ผ่านการฝึกฝนล่วงหน้าสำหรับการใช้งานเฉพาะทาง และประเมินพร้อมพัฒนาประสิทธิภาพของโมเดลในรูปแบบข้อมูลต่าง ๆข้อกำหนดเบื้องต้น
หลักสูตร
โครงร่างคอร์ส
1
การเข้าถึงโมเดลและชุดข้อมูลของ Hugging Face
เรียนรู้การนำทางใน Hugging Face Model Hub แปลงข้อความ เสียง และข้อมูลภาพให้อยู่ในรูปแบบที่ AI พร้อมใช้งาน รวมถึงค้นหาโมเดลยอดนิยมล่าสุดสำหรับงานต่าง ๆ เช่น การสร้างข้อความ และใช้ประโยชน์จาก Pipeline สำเร็จรูป
- การนำทางในโมเดลของ Hugging Face50 XP
- มีโมเดลมากแค่ไหน!?100 XP
- ค้นหาโมเดล text-to-image ที่ได้รับความนิยมสูงสุด100 XP
- การประมวลผลข้อมูลเบื้องต้นสำหรับ Modality ต่างๆ50 XP
- การแปลงข้อความเป็น Token100 XP
- การประมวลผลภาพเบื้องต้น100 XP
- การเตรียมข้อมูลเสียง100 XP
- งานใน Pipeline และการประเมินผล50 XP
- การสร้างคำบรรยายภาพด้วย Pipeline100 XP
- การส่ง keyword arguments100 XP
- การประเมินโมเดลบนชุดข้อมูลแบบกำหนดเอง100 XP
2
โมเดล Vision, Audio, และ Text แบบ Unimodal
เรียนรู้การใช้งานข้อมูลแต่ละรูปแบบด้วยโมเดลที่ทันสมัยที่สุด ครอบคลุม Computer Vision สำหรับการจำแนกภาพและการแบ่งส่วนภาพ การรู้จำเสียงพูดและการสังเคราะห์เสียง รวมถึงเทคนิค Fine-tuning ที่ใช้ได้จริง สร้างทักษะปฏิบัติด้วยโมเดล Pre-trained จากไลบรารี Transformers ของ Hugging Face
3
โมเดล Multi-Modal สำหรับการจำแนกประเภท
เรียนรู้การผสานข้อมูลภาพ ข้อความ และเสียงเพื่อพัฒนา AI ให้ทรงพลังยิ่งขึ้น ครอบคลุมเทคนิคอย่าง CLIP สำหรับการจำแนกประเภทแบบ Zero-shot การสร้างระบบวิเคราะห์ความรู้สึกที่รับรู้ทั้งภาพและข้อความ และการสร้างตัวตรวจจับอารมณ์ที่ผสมผสานการแสดงออกทางใบหน้ากับเสียง ก้าวข้ามขีดจำกัดของโมเดล AI ที่ใช้ข้อมูลเพียงรูปแบบเดียว
4
การสร้างเนื้อหาแบบ Multi-Modal
เปลี่ยนไอเดียให้กลายเป็นจริง! เรียนรู้เทคนิค AI ล้ำสมัยสำหรับการสร้างและปรับแต่งเนื้อหาภาพด้วย Text Prompt สร้างภาพที่น่าประทับใจ แก้ไขรูปภาพอย่างชาญฉลาด และสร้างระบบตอบคำถามที่ทรงพลังสำหรับภาพและเอกสาร แปลงวิสัยทัศน์สร้างสรรค์ของคุณให้เป็นความจริงด้วย Multi-Modal AI
โมเดล Multi-Modal ด้วย Hugging Face
เรียนคอร์สจบแล้ว
