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

Classificazione di immagini

Rilevamento di oggetti

Rimozione dello sfondo dell'immagine

Fine-tuning dei modelli di computer vision

Fine-tuning CV: preparazione del dataset

Fine-tuning CV: classi del modello

Fine-tuning CV: configurazione del trainer

Riconoscimento vocale e generazione audio

Riconoscimento vocale automatico

Creare speech embedding

Rimozione del rumore audio

Messa a punto dei modelli text-to-speech

Fine-tuning di un modello text-to-speech

Generare nuova voce

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 with Vision Language Transformers (ViLTs)

Document VQA with LayoutLM

Image editing with diffusion models

Custom image editing

Image inpainting

Video generation

Build a video!

Assessing video generation performance

Congratulations!

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!

Nozioni di base su Hugging Face

Curriculum Manager, DataCamp

Ottimizzare i modelli text-to-speech

Perché il fine-tuning del text-to-speech

Preparare un dataset audio

Preprocessing audio

Parametri di training

Mettere tutto insieme

Usare il nuovo modello

Ayo berlatih!

Unimodal Vision, Audio, and Text Models - Messa a punto dei modelli text-to-speech

Messa a punto dei modelli text-to-speech

Create Your Free Account