*если ссылки не открываются, попробуй включить vpn
*если ссылки не открываются, попробуй включить vpn
Neptune.ai: Multimodal Large Language Models —
объясняет принципы работы и сложности
(Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
объясняет принципы работы и сложности
(Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
Neptune.ai: Multimodal Large Language Models —
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models
in Vision-Language Tasks” — обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” — освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” — про агентов на основе мультимодальных LLM
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models
in Vision-Language Tasks” — обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” — освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” — про агентов на основе мультимодальных LLM
обзоры на мультимодальные LLM
Это база:
Neptune.ai: Multimodal Large Language Models —
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
Medium: Multimodal Models and Fusion — разбирает четыре стратегии объединения
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
Medium: Multimodal Models and Fusion — разбирает четыре стратегии объединения
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
и методики
Технические статьи
Neptune.ai: Multimodal Large Language Models —
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
Medium: Multimodal Models and Fusion — разбирает четыре стратегии объединения
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
Roboflow: How to label data for GPT‑4o — настройка разметки изображений
с Roboflow Annotate и подготовка под GPT‑4o object detection
Encord: Pre‑Classification using GPT‑4o — автоматическая предварительная
классификация изображений с маршрутизацией неуверенных кейсов
OpenAI Cookbook: tag & caption images with GPT‑4o-mini — код на Python
для тегирования и описания изображений
Cursor‑IDE: Complete Guide to GPT‑4o Image API — руководство по работе
с GPT‑4o Image API: распознавание и генерация с примерами
с Roboflow Annotate и подготовка под GPT‑4o object detection
Encord: Pre‑Classification using GPT‑4o — автоматическая предварительная
классификация изображений с маршрутизацией неуверенных кейсов
OpenAI Cookbook: tag & caption images with GPT‑4o-mini — код на Python
для тегирования и описания изображений
Cursor‑IDE: Complete Guide to GPT‑4o Image API — руководство по работе
с GPT‑4o Image API: распознавание и генерация с примерами
Roboflow: How to label data for GPT‑4o — настройка разметки изображений
с Roboflow Annotate и подготовка под GPT‑4o object detection
Encord: Pre‑Classification using GPT‑4o — автоматическая предварительная
классификация изображений с маршрутизацией неуверенных кейсов
OpenAI Cookbook: tag & caption images with GPT‑4o-mini — код на Python
для тегирования и описания изображений
Cursor‑IDE: Complete Guide to GPT‑4o Image API — руководство по работе
с GPT‑4o Image API: распознавание и генерация с примерами
с Roboflow Annotate и подготовка под GPT‑4o object detection
Encord: Pre‑Classification using GPT‑4o — автоматическая предварительная
классификация изображений с маршрутизацией неуверенных кейсов
OpenAI Cookbook: tag & caption images with GPT‑4o-mini — код на Python
для тегирования и описания изображений
Cursor‑IDE: Complete Guide to GPT‑4o Image API — руководство по работе
с GPT‑4o Image API: распознавание и генерация с примерами
авторазметки
Примеры
Neptune.ai: Multimodal Large Language Models —
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
Medium: Multimodal Models and Fusion — разбирает четыре стратегии объединения
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
Roboflow: How to label data for GPT‑4o — настройка разметки изображений
с Roboflow Annotate и подготовка под GPT‑4o object detection
Encord: Pre‑Classification using GPT‑4o — автоматическая предварительная
классификация изображений с маршрутизацией неуверенных кейсов
OpenAI Cookbook: tag & caption images with GPT‑4o-mini — код на Python
для тегирования и описания изображений
Cursor‑IDE: Complete Guide to GPT‑4o Image API — руководство по работе
с GPT‑4o Image API: распознавание и генерация с примерами
с Roboflow Annotate и подготовка под GPT‑4o object detection
Encord: Pre‑Classification using GPT‑4o — автоматическая предварительная
классификация изображений с маршрутизацией неуверенных кейсов
OpenAI Cookbook: tag & caption images with GPT‑4o-mini — код на Python
для тегирования и описания изображений
Cursor‑IDE: Complete Guide to GPT‑4o Image API — руководство по работе
с GPT‑4o Image API: распознавание и генерация с примерами
Понять принцип работы подсчетов инференса:
Полностью изучить, прочитать и выполнить задания из книги:
Полностью изучить, прочитать и выполнить задания из книги:
- Понять принцип работы подсчетов инференса:
2.Полностью изучить, прочитать и выполнить задания из книги:
и книга
Домашнее задание
Neptune.ai: Multimodal Large Language Models —
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
объясняет принципы работы и сложности (Flamingo, LLaVA, Kosmos‑1 и др.)
“A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks” —
обзор архитектур и приложений
“Multimodal Large Language Models: A Survey” —
освещает историю, задачи и данные
“Large Multimodal Agents: A Survey” —
про агентов на основе мультимодальных LLM
Medium: Multimodal Models and Fusion — разбирает четыре стратегии объединения
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
модальностей: ранняя, промежуточная, поздняя, гибридная
Chip Huyen: Multimodality and Large Multimodal Models — вводный обзор
мультимодальных систем и ключевых моделей (CLIP, Flamingo, BLIP‑2, LLaVA и др.)
W3C Multimodal Architecture and Interfaces — спецификация архитектурных
принципов взаимодействия нескольких модальностей
Roboflow: How to label data for GPT‑4o — настройка разметки изображений
с Roboflow Annotate и подготовка под GPT‑4o object detection
Encord: Pre‑Classification using GPT‑4o — автоматическая предварительная
классификация изображений с маршрутизацией неуверенных кейсов
OpenAI Cookbook: tag & caption images with GPT‑4o-mini — код на Python
для тегирования и описания изображений
Cursor‑IDE: Complete Guide to GPT‑4o Image API — руководство по работе
с GPT‑4o Image API: распознавание и генерация с примерами
с Roboflow Annotate и подготовка под GPT‑4o object detection
Encord: Pre‑Classification using GPT‑4o — автоматическая предварительная
классификация изображений с маршрутизацией неуверенных кейсов
OpenAI Cookbook: tag & caption images with GPT‑4o-mini — код на Python
для тегирования и описания изображений
Cursor‑IDE: Complete Guide to GPT‑4o Image API — руководство по работе
с GPT‑4o Image API: распознавание и генерация с примерами
Курс "LLM-инженер" стартует уже 14 июля!
онлайн
Где учиться?
