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.

Resposta visual a perguntas (VQA)

VQA com Transformadores de Linguagem Visual (ViLTs)

Documentar VQA com LayoutLM

Edição de imagens com modelos de difusão

Edição personalizada de imagens

Preenchimento de imagens

Geração de vídeo

Crie um vídeo!

Avaliando o desempenho da geração de vídeos

Parabéns!

Multi-Modal Generation

Gerar texto é coisa de 2024! Neste curso, vamos juntar diferentes tipos de dados pra criar imagens, áudio e até vídeos! Vamos usar modelos e conjuntos de dados do Hugging Face pra fazer tarefas de visão computacional, tipo classificação de imagens, detecção de objetos e segmentação. Vamos tirar o ruído do áudio e criar música usando modelos da Meta, e vamos usar comandos para editar imagens e criar vídeos. Vem com a gente nessa jornada de IA generativa hoje mesmo!

<h2>Aproveite o poder da IA multimodal</h2>Mergulhe no mundo inovador dos modelos de IA multimodal, onde texto, imagens e voz se juntam para criar aplicativos incríveis. Aprenda a usar o enorme repositório de modelos da Hugging Face que podem ver, ouvir e entender como nunca antes. Se você está analisando conteúdo de mídias sociais, criando assistentes de voz ou desenvolvendo aplicativos de IA de última geração, os modelos multimodais são a sua porta de entrada para lidar com vários tipos de dados de forma integrada.<br><br><h2>Domine as técnicas multimodais essenciais</h2>Dá uma olhada em modelos super modernos, tipo o CLIP pra entender imagens e textos, o SpeechT5 pra sintetizar voz e o modelo Qwen2 Vision Language pra análise multimodal de sentimentos. Com exercícios práticos, você vai dominar as técnicas que as principais empresas de IA usam pra criar sistemas multimodais bem sofisticados.<br><br><h2>Prepare suas habilidades em IA para o futuro</h2>Este curso vai te dar um kit de ferramentas robusto para lidar com tarefas de IA multimodal. Você vai aprender a processar e juntar diferentes tipos de dados de forma eficaz, ajustar modelos pré-treinados para aplicações personalizadas e avaliar e melhorar o desempenho dos modelos em todos os tipos de dados.

Introduction to LLMs in Python

Combine texto, imagens, áudio e vídeo com IA da Hugging Face e crie novas imagens e vídeos!

Modelos multimodais com Hugging Face

Junte texto, imagens, áudio e vídeo com os modelos de IA mais recentes da Hugging Face e crie novas imagens e vídeos!

Parabéns!

Create Your Free Account