Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Продължителност 21 часa (3 дни)
Съдържание и теми, включени в курса
Въведение в мултимодалния AI
- Какво представлява мултимодалният AI?
- Ключови предизвикателства и приложения
- Преглед на водещите мултимодални модели
Обработка на текст и разбиране на естествен език
- Използване на големи езикови модели (LLM) за текстови AI агенти
- Разбиране на инженерството на промптове за мултимодални задачи
- Фино настройване на текстови модели за специфични за домейна приложения
Разпознаване и генериране на изображения
- Обработка на изображения с AI: класификация, описания и откриване на обекти
- Генериране на изображения с дифузионни модели (Stable Diffusion, DALL·E)
- Интегриране на данни от изображения с текстови модели
Обработка на реч и аудио
- Разпознаване на реч с Whisper ASR
- Техники за синтез на текст към реч (TTS)
- Подобряване на потребителското взаимодействие с гласов AI
Интегриране на мултимодални входни данни
- Изграждане на AI потоци за обработка на множество типове входни данни
- Техники за сливане на данни от текст, изображения и реч
- Реални приложения на мултимодални AI агенти
Внедряване на мултимодални AI агенти
- Изграждане на мултимодални AI решения, управлявани чрез API
- Оптимизиране на модели за производителност и мащабируемост
- Най-добри практики за внедряване на мултимодален AI в продукционна среда
Етични съображения и бъдещи тенденции
- Пристрастност и справедливост в мултимодалния AI
- Загриженост за поверителността при мултимодални данни
- Бъдещи развития в мултимодалния AI
Обобщение и следващи стъпки
Изисквания
- Разбиране на основите на машинното обучение
- Опит с програмиране на Python
- Познаване на рамки за дълбоко обучение (напр. TensorFlow, PyTorch)
Аудитория
- AI разработчици
- Изследователи
- Мултимедийни инженери
