Multimodal AI: Metin, Görüntü, Ses ve Video
Görüntü anlama, OCR, konuşma/ses, video ve multimodal RAG ile metin ötesi AI uygulamaları.
Seviye
Orta
Süre
22 saat
Tahmini yayın
2027 Q4
Kategori
AI Engineering
AI'ı yalnızca metnin ötesine taşıyıp görüntü, ses ve videoyla çalışan uygulamalar geliştirmeyi öğreten kurs. Görüntü anlama ve OCR'dan konuşmadan-metne ve ses üretimine, video analizinden multimodal RAG'e; farklı modaliteleri tek bir akıllı üründe birleştirmeyi öğrenirsin.
Öğrenilecek teknolojiler
Ne öğreneceksin
- Görüntü anlama ve OCR entegrasyonu
- Konuşma-metin ve ses üretimi kullanımı
- Video analizi ve işleme
- Multimodal RAG ve birleşik uygulamalar
Kimler için
- Metin ötesi AI ürünleri kuran mühendisler
- Görüntü/ses/video ile çalışan ekipler
- Multimodal uygulama geliştirenler
Müfredat özeti
- 01Multimodal AI'a genel bakış
- 02Görüntü anlama ve OCR
- 03Konuşma ve ses işleme
- 04Video analizi
- 05Multimodal RAG
- 06Üretim ve maliyet
Diğer kursları keşfet
AI Engineering
AI Engineer Bootcamp: Python, LLM, RAG ve Agents
Python, FastAPI, OpenAI/Anthropic API, RAG, AI agents, Docker ve cloud deployment ile uçtan uca AI uygulamaları geliştirin.
AI Engineering
RAG Mühendisliği: Embeddings, Vector DB ve GraphRAG
Chunking, embeddings, pgvector, Pinecone, OpenSearch, hybrid search, reranking, GraphRAG ve RAG evaluation.
AI Engineering
AI Agent Mühendisliği: LangChain ve LangGraph
LangChain, LangGraph, tool calling, memory, human-in-the-loop ve multi-agent sistemleri geliştirin.