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.
-
๐ฌ
Pengajar AI
Tanya tentang mana-mana pelajaran dan dapatkan jawapan jelas serta-merta, bila-bila masa. -
๐
Mula bila-bila masa
Tiada jadual atau tarikh akhir โ belajar mengikut rentak sendiri, bila-bila masa. -
๐
Dalam bahasa Melayu
Pelajaran, tugasan dan sijil โ semuanya sepenuhnya dalam bahasa anda.
Tentang kursus ini
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 typesโtext, audio, and visual inputsโto 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.
Apa yang anda dapat
-
๐
Sijil tamat
Tambah ke profil LinkedIn anda -
๐ฌ
Tutor AI peribadi
Tersekat dalam pelajaran? Tanya tutor terbina dalam kamu apa sahaja, bila-bila masa. -
๐ง
Termasuk versi audio
Belajar sambil bergerak โ tanpa skrin -
โพ๏ธ
Akses seumur hidup
Kembali bila-bila masa, tiada tamat tempoh -
๐ฑ
Telefon atau komputer
Berfungsi di mana-mana, mana-mana peranti -
๐ธ
Pulangan 14 hari
Tanpa soalan -
โก
Pendek dan fokus
2 jam 42 min kandungan praktikal
Ulasan
Belum ada ulasan โ jadilah yang pertama berkongsi pengalaman anda.
Pelajar lain juga mengambil
๐ Dengan sijil
AI Peribadi dengan LLM Sumber Terbuka: Pengerahan Tempatan, RAG, dan Ejen
Sijil
Amali
RM 66
→
๐ผ Bersedia untuk bekerja
๐ Dengan sijil
Penalaan Halus Model OpenAI: Sesuaikan LLM dengan Data Anda Sendiri
Sijil
Amali
RM 66
→
๐ Paling popular
๐ Dengan sijil
Membangun Sistem RAG dengan Azure OpenAI dan Azure AI Search
Sijil
Amali
RM 66
→
๐ผ Bersedia untuk bekerja
๐ Dengan sijil
Pembangunan Aplikasi AI dengan LangChain
Sijil
Amali
RM 66
→
Soalan lazim
Apa yang saya perlukan untuk mengikuti kursus ini? +
Hanya telefon atau komputer dengan internet. Tiada pemasangan, tiada perkakasan khas.
Bagaimana untuk membayar? +
Dengan kad melalui Stripe. Kami tidak menyimpan butiran kad โ Stripe menguruskannya dengan selamat.
Bolehkah saya dapatkan bayaran balik? +
Ya โ pulangan penuh dalam 14 hari, tanpa soalan.
Berapa lama saya akan mempunyai akses? +
Selamanya. Setelah membeli, kursus adalah milik anda โ boleh lawat semula bila-bila masa.
Adakah saya akan mendapat sijil? +
Ya. Setelah tamat, anda akan menerima sijil yang boleh ditambah ke profil LinkedIn anda.
Direka untuk pelajar dalam
Teknologi
Reka bentuk
Kewangan
Pemasaran
Kesihatan
Pendidikan
Hospitaliti
Pembuatan