CURSO
Novo Modelos Alternativos com Hugging Face
Use modelos de IA open source do Hugging Face para imagens, áudio e texto com Python, sem pagar nada.
Avançado
7h 51min
5
41 Participantes
200xp
- Cursos
- Modelos Alternativos com Hugging Face
Sobre o curso
O Hugging Face reúne mais de meio milhão de modelos de IA abertos, prontos para tarefas como transcrição de áudio, detecção de objetos, classificação de imagens e geração de conteúdo. Tudo isso acessível com Python, sem necessidade de treinar modelos do zero ou pagar por APIs.
Neste curso, você aprende a navegar pela plataforma, entender sua organização em modelos, datasets e spaces, e a usar a biblioteca Transformers para incorporar IAs em seus próprios scripts. O curso cobre desde o setup de ambiente até a execução local de modelos para diferentes tipos de mídia.
Ao final, você tem uma coleção de blocos funcionais — cada tarefa aprendida é uma peça que pode ser combinada em aplicações reais de imagens, áudio ou texto.
Este curso é recomendado para
- Programadores Python que querem adicionar capacidades de IA a seus projetos sem depender de APIs pagas
- Analistas e desenvolvedores que lidam com imagens ou áudio e querem automatizar tarefas com IA
- Quem já fez o curso introdutório de Hugging Face na Asimov e quer se aprofundar em modelos de mídia
- Pessoas em transição de carreira que buscam uma habilidade prática e atual no ecossistema de IA
Conteúdo do Curso
1 Apresentação do Hugging Face
Conteúdo do módulo
1.1 - O que é Hugging Face? 25xp
1.2 - A plataforma Hugging Face 25xp
1.3 - Testando nossa primeira IA em tempo recorde 25xp
1.4 - Testando e comparando com outros modelos 25xp
2 Biblioteca transformers e modelos de conversação
Conteúdo do módulo
2.1 - A biblioteca transformers 25xp
2.2 - Modelos de conversação e geração de texto (chatbots) 25xp
2.3 - Criando uma estrutura de chat 25xp
3 Inference API
Conteúdo do módulo
3.1 - Acessando modelos de IA através da Inference API 25xp
3.2 - Conversando com um chatbot pela Inference API 25xp
3.3 - Modelos restritos e outras considerações 25xp
3.4 - Miniprojeto – webapp com múltiplos chatbots 25xp
3.5 - Quiz – Transformers e Inference API 25xp
4 Explorando outros modelos do Hugging Face
Conteúdo do módulo
4.1 - Utilizando IAs de tradução 25xp
4.2 - Utilizando IAs de resumo 25xp
4.3 - Classificando textos com IAs 25xp
4.4 - Quiz – Outros modelos do Hugging Face 25xp
5 Datasets e Spaces
Conteúdo do módulo
5.1 - Acessando Datasets do Hugging Face 25xp
5.2 - Conhecendo a comunidade do Hugging Face 25xp
5.3 - Criando um Space com nosso webapp 25xp
5.4 - Considerações sobre o deploy e encerramento 25xp
5.5 - Quiz – Datasets e Spaces 25xp
6 Introdução a IAs para imagens e audio
Conteúdo do módulo
6.1 - Um panorama atual das IAs 25xp
6.2 - Revisitando o Hugging Face 25xp
7 Utilizando IAs para áudio
Conteúdo do módulo
7.1 - O que são arquivos de áudio? 25xp
7.2 - Classificação de áudio 25xp
7.3 - Outros exemplos de classificação de áudio 25xp
7.4 - Transcrição de áudio – reconhecimento de voz 25xp
7.5 - Texto para áudio – narrador de texto 25xp
8 Utilizando IAs para imagens
Conteúdo do módulo
8.1 - O que são arquivos de imagem? 25xp
8.2 - Classificação de imagens 25xp
8.3 - Classificação de imagens zero-shot (sem contexto) 25xp
8.4 - Segmentação de imagens 25xp
8.5 - Segmentação de imagens zero-shot 25xp
8.6 - Detecção de objetos 25xp
8.7 - Detecção de objetos zero-shot 25xp
8.8 - Outras tarefas com imagens 25xp
9 Utilizando IAs para vídeos
Conteúdo do módulo
9.1 - O que são arquivos de vídeo? 25xp
9.2 - Classificação de vídeo 25xp
9.3 - Detecção de objetos em vídeo 25xp
O que você vai aprender
- Explorar e filtrar modelos no Hugging Face por tarefa, linguagem e licença
- Instalar e usar a biblioteca Transformers do Hugging Face em Python
- Executar modelos de IA localmente com o objeto pipeline
- Aplicar modelos para tarefas de áudio: transcrição, narração e classificação de idioma
- Aplicar modelos para tarefas de imagem: classificação, detecção de objetos e geração
- Entender como imagens e áudios são representados internamente pelo computador
- Usar a Inference API do Hugging Face para testar modelos sem baixá-los
- Combinar diferentes modelos como blocos para construir aplicações práticas
