Navigate the Hugging Face model hub, transform raw text, audio, and visual data into AI-friendly formats. Learn how to find the latest most popular models for tasks such as text generation and harness the power of pre-built pipelines.

Hugging Face model navigation

How many models!?

Finding the most popular text-to-image model

Preprocessing different modalities

Text tokenizing

Image preprocessing

Audio preprocessing

Pipeline tasks and evaluations

Pipeline caption generation

Passing keyword arguments

Model evaluation on a custom dataset

Accessing Hugging Face Models and Datasets

Learn to master individual modalities with state-of-the-art models. Dive into computer vision for image classification and segmentation, explore speech recognition and text-to-speech synthesis, and learn effective fine-tuning techniques. Build practical skills with pre-trained models from Hugging Face's transformers library.

Computer vision

Image classification

Object detection

Image background removal

Fine-tuning computer vision models

CV fine-tuning: dataset prep

CV fine-tuning: model classes

CV fine-tuning: trainer configuration

Speech recognition and audio generation

Automatic speech recognition

Creating speech embeddings

Audio denoising

Fine-tuning text-to-speech models

Fine-tuning a text-to-speech model

Generating new speech

Unimodal Vision, Audio, and Text Models

Learn to fuse visual, textual, and audio information for richer AI applications. Master techniques like CLIP for zero-shot classification, build sentiment analyzers that see and read, and create emotion detectors that combine facial expressions with voice. Take your AI models beyond single-modality thinking.

Zero-shot image classification

Zero-shot learning with CLIP

Automated caption quality assessment

Multi-modal sentiment analysis

Prompting Vision Language Models (VLMs)

Multi-modal sentiment classification with Qwen

Zero-shot video classification

Video audio splitting

Video sentiment analysis with CLIP CLAP

Multi-Modal Models for Classification

Transform ideas into reality! Master cutting-edge AI techniques to generate and manipulate visual content using text prompts. Create stunning images, edit photos intelligently, and build powerful question-answering systems for images and documents. Turn your creative vision into digital reality with multi-modal AI.

Visual question answering (VQA)

VQA con i Vision Language Transformers (ViLT)

VQA su documenti con LayoutLM

Modifica delle immagini con modelli di diffusione

Modifica personalizzata di immagini

Image inpainting

Generazione di video

Crea un video!

Valutare le prestazioni della generazione video

Congratulazioni!

Multi-Modal Generation

La generazione di testo è così 2024! In questo corso combineremo diverse modalità di dati per generare immagini, audio e persino video! Useremo modelli e dataset di Hugging Face per svolgere compiti di computer vision come classificazione di immagini, rilevamento di oggetti e segmentazione. Ripuliremo l'audio dal rumore e genereremo musica usando modelli di Meta, e sfrutteremo prompt per modificare immagini e generare video. Unisciti a noi in questo viaggio nell'AI generativa!

<h2>Sfrutta la potenza dell'intelligenza artificiale multimodale</h2>Entra nel mondo all'avanguardia dei modelli di IA multimodali, dove testo, immagini e voce si uniscono per creare app davvero potenti. Scopri come usare il grande archivio di modelli di Hugging Face che possono vedere, sentire e capire come mai prima d'ora. Che tu stia analizzando i contenuti dei social media, sviluppando assistenti vocali o creando app di intelligenza artificiale di nuova generazione, i modelli multimodali sono la chiave per gestire diversi tipi di dati senza problemi.<br><br><h2>Padroneggia le tecniche multimodali essenziali</h2>Scopri modelli all'avanguardia come CLIP per capire immagini e testo, SpeechT5 per sintetizzare la voce e il modello Qwen2 Vision Language per l'analisi multimodale del sentiment. Grazie a esercizi pratici, imparerai le tecniche che usano le aziende leader nel campo dell'intelligenza artificiale per creare sistemi multimodali super sofisticati.<br><br><h2>Prepara le tue competenze nell'intelligenza artificiale per il futuro</h2>Questo corso ti darà un kit di strumenti affidabile per gestire attività di intelligenza artificiale multimodali. Imparerai a gestire e mettere insieme diversi tipi di dati in modo efficace, a sistemare modelli già pronti per applicazioni personalizzate e a valutare e migliorare le prestazioni dei modelli in tutti i tipi di dati.

Introduction to LLMs in Python

Combina testo, immagini, audio e video con i modelli AI di Hugging Face per creare nuovi contenuti!

Modelli multi-modali con Hugging Face

Metti insieme testo, immagini, audio e video con gli ultimi modelli di intelligenza artificiale di Hugging Face e crea nuove immagini e video!

Modifica delle immagini con modelli di diffusione

Create Your Free Account