ชอบการดำเนินเรื่องของคอร์สนี้มาก การนำไปใช้จริงที่พูดถึงก็ตรงเป๊ะ คอร์สดีมาก!
Building Multimodal Generative AI Applications
Learn to combine text, speech, and images using modern AI models like Whisper and Granite to build intelligent, multi-sensory applications.
เกี่ยวกับคอร์สนี้
AI is no longer limited to just reading and writing text. Modern applications must process speech, images, and video simultaneously to deliver truly intelligent, real-world experiences.
In this course, you will learn how to connect different data types—text, audio, and visual inputs—to build cohesive, multimodal generative AI systems. You will understand how these models communicate, align different media formats, and work together to solve complex problems. By focusing on practical written design patterns and structural concepts, you will gain the confidence to architect applications that can hear, see, and speak.
What you'll learn:
- Understand the core concepts of multimodal AI, including how models process text, image, and audio inputs simultaneously.
- Apply speech-to-text models like Whisper to transcribe and analyze audio data.
- Explore image and video generation concepts using modern generative models like Granite.
- Implement multimodal prompt engineering techniques to guide models across different media types.
- Manage multimodal embeddings and vector databases to store and retrieve cross-media information.
- Design basic orchestration workflows to connect language models with vision and speech tools.
The journey begins with foundational definitions of multimodal architectures before moving into step-by-step written guides on audio processing, computer vision integration, and cross-modal orchestration. You will practice these concepts through written code walkthroughs and conceptual design exercises.
This course is designed for beginner developers, technical product managers, and AI enthusiasts who want to understand the next generation of AI systems, requiring only basic programming familiarity.
Start reading today to unlock the potential of multi-sensory artificial intelligence.
สิ่งที่คุณจะได้รับ
-
📜
ใบประกาศนียบัตร
เพิ่มในโปรไฟล์ LinkedIn ของคุณ -
🎧
รวมเวอร์ชันเสียง
เรียนได้ทุกที่ ไม่ต้องดูจอ -
♾️
เข้าถึงตลอดชีพ
กลับมาเรียนได้ตลอด ไม่มีหมดอายุ -
📱
โทรศัพท์หรือคอมพิวเตอร์
ใช้งานได้ทุกที่ ทุกอุปกรณ์ -
💸
คืนเงิน 30 วัน
ไม่ต้องอธิบาย -
⚡
กระชับและตรงประเด็น
1 ชม. 26 นาที เนื้อหาเชิงปฏิบัติ
รีวิว (3)
ชอบเนื้อหามาก ตัวอย่างตรงประเด็นและช่วยให้เข้าใจแนวคิดได้ดีขึ้น
ดีใจมากที่ได้เรียนคอร์สนี้ การนำไปใช้จริงที่สอนนั้นมีประโยชน์มาก และโครงสร้างโดยรวมก็ยอดเยี่ยม
ผู้เรียนคนอื่นเรียน
เสริมพลังการสอนของคุณด้วยการใช้เครื่องมือ AI เชิงสร้างสรรค์เพื่อออกแบบแผนการสอน สร้างสื่อการเรียนรู้ที่น่าสนใจ และปรับแต่งประสบการณ์การเรียนรู้ของนักเรียน
$4.99$9.99
ค้นพบหลักการพื้นฐานของปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) และเรียนรู้การสร้าง Prompt ที่มีประสิทธิภาพสำหรับการใช้งานจริงที่หลากหลาย
$4.99$9.99
ตั้งค่าและรันโมเดลภาษาที่ทรงพลังบนฮาร์ดแวร์ของคุณเอง เพื่อความเป็นส่วนตัวและสร้างแอปพลิเคชัน AI แบบกำหนดเองโดยไม่ต้องพึ่งพาคลาวด์
$4.99$9.99
ผสานโมเดลภาษาขั้นสูงเข้ากับซอฟต์แวร์ของคุณโดยใช้ภาษาไพธอนเพื่อทำงานข้อความอัตโนมัติ, วิเคราะห์ความรู้สึก, และสร้างคุณสมบัติที่ชาญฉลาดสำหรับโปรแกรมสมัยใหม่
$4.99$9.99
คำถามที่พบบ่อย
ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +
แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ
ฉันชำระเงินอย่างไร? +
ผ่านบัตรด้วย Stripe หรือคริปโต เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย
ฉันขอคืนเงินได้ไหม? +
ใช่ — คืนเงินเต็มจำนวนใน 30 วัน ไม่ต้องอธิบาย
ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +
ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด
ฉันจะได้ใบประกาศนียบัตรไหม? +
ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้
ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี
ดีไซน์
การเงิน
การตลาด
สาธารณสุข
การศึกษา
ธุรกิจการบริการ
อุตสาหกรรม