Prozkoumej hub modelů na Hugging Face, převeď surová textová, zvuková a vizuální data do formátů vhodných pro AI a nauč se, jak najít nejnovější a nejoblíbenější modely pro úlohy jako generování textu. Využij sílu předpřipravených pipeline.

Navigace v Hugging Face

To je modelů!

Hledání nejpopulárnějšího modelu text-to-image

Předzpracování různých modalit

Tokenizace textu

Předzpracování obrázků

Předzpracování audia

Úlohy pipeline a jejich vyhodnocení

Generování popisků pomocí pipeline

Předávání keyword argumentů

Vyhodnocení modelu na vlastní datové sadě

Přístup k modelům a datasetům na Hugging Face

Nauč se pracovat s jednotlivými modalitami pomocí nejmodernějších modelů. Ponořte se do počítačového vidění pro klasifikaci a segmentaci obrázků, prozkoumej rozpoznávání řeči a syntézu textu na řeč a nauč se efektivní techniky doladění modelů. Získej praktické dovednosti s předtrénovanými modely z knihovny transformers na Hugging Face.

Počítačové vidění

Klasifikace obrázků

Detekce objektů

Odstranění pozadí obrázku

Doladění modelů pro počítačové vidění

Fine-tuning CV modelu: příprava datasetu

Fine-tuning CV modelu: třídy modelu

Fine-tuning CV: konfigurace tréneru

Rozpoznávání řeči a generování zvuku

Automatické rozpoznávání řeči

Vytváření řečových embeddingů

Odšumění audia

Fine-tuning modelů text-to-speech

Fine-tuning modelu pro převod textu na řeč

Generování nové řeči

Unimodální modely pro vizi, zvuk a text

Nauč se kombinovat vizuální, textové a zvukové informace pro bohatší AI aplikace. Zvládni techniky jako CLIP pro zero-shot klasifikaci, vytvoř analyzátory sentimentu, které vidí i čtou, a sestav detektory emocí kombinující výrazy tváře s hlasem. Posuň své AI modely za hranice jednoduchého uvažování v rámci jediné modality.

Zero-shot klasifikace obrázků

Zero-shot učení s CLIP

Automatické hodnocení kvality popisku

Multimodální analýza sentimentu

Tvorba promptů pro Vision Language Models (VLMs)

Multi-modální klasifikace sentimentu s Qwen

Zero-shot klasifikace videa

Rozdělení videa na obraz a zvuk

Analýza sentimentu ve videu pomocí CLIP a CLAP

Multi-modální modely pro klasifikaci

Proměň nápady ve skutečnost! Zvládni špičkové AI techniky pro generování a úpravu vizuálního obsahu pomocí textových promptů. Vytváří úchvatné obrázky, inteligentně upravuj fotografie a buduj výkonné systémy pro zodpovídání otázek nad obrázky i dokumenty. Proměň svou kreativní vizi v digitální realitu s multi-modální AI.

Vizuální zodpovídání otázek (VQA)

VQA s Vision Language Transformers (ViLTs)

Document VQA s LayoutLM

Úprava obrázků pomocí difuzních modelů

Vlastní úprava obrázků

Inpainting obrázků

Generování videa

Vytvoř video!

Hodnocení výkonu generování videa

Gratulujeme!

Multi-modální generování

Generování textu je tak rok 2024! V tomto kurzu zkombinujeme různé datové modality a budeme generovat obrázky, zvuk i videa! Využijeme modely a datasety z Hugging Face k počítačovému vidění – klasifikaci obrázků, detekci objektů i segmentaci. Pomocí modelů od Mety budeme odstraňovat šum ze zvuku a generovat hudbu a pomocí promptů budeme upravovat obrázky i vytvářet videa. Pojď s námi na tuto generativní AI výpravu!

Introduction to LLMs in Python

Kombinujte text, obrázky, zvuk a video s AI modely od Hugging Face a vytvářejte nové obrázky a videa!

Vizuální zodpovídání otázek (VQA)

Create Your Free Account