Coursera

Multimodal Intelligence - Vision, Audio & Language in Action (berufsbezogenes Zertifikat)

Sichern Sie sich eines unserer besten Angebote mit Coursera Plus für 199 $ (normalerweise 399 $). Jetzt sparen.

berufsbezogenes zertifikat ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen. Sehen Sie sich die Sprachen an, die wir anbieten.
Coursera

Multimodal Intelligence - Vision, Audio & Language in Action (berufsbezogenes Zertifikat)

Build and Deploy Multimodal AI Systems.

Design, train, evaluate, and deploy multimodal AI systems that process text, images, and audio.

Bei Coursera PlusMehr erfahren enthalten

Fragen Sie Coursera

Erwerben Sie eine Karrierereferenz, die Ihre Qualifikation belegt
Stufe Mittel

Empfohlene Erfahrung

4 Wochen zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Erwerben Sie eine Karrierereferenz, die Ihre Qualifikation belegt
Stufe Mittel

Empfohlene Erfahrung

4 Wochen zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Design end-to-end multimodal AI architectures that integrate image, audio, and text data streams into scalable production pipelines.

  • Fine-tune transformer-based multimodal models using transfer learning and evaluate performance with cross-modal and ethical AI metrics.

  • Build automated ETL pipelines and unified data schemas to ingest, validate, and store multimodal features for model training and inference.

  • Deploy versioned, secured, and documented inference APIs on containerized Kubernetes infrastructure with real-time performance optimization.

Kompetenzen, die Sie erwerben

  • Kategorie: Model Evaluation
  • Kategorie: Transfer Learning
  • Kategorie: Natural Language Processing
  • Kategorie: Data Preprocessing
  • Kategorie: Data Pipelines
  • Kategorie: API Design
  • Kategorie: MLOps (Machine Learning Operations)
  • Kategorie: CI/CD
  • Kategorie: Ethical Standards And Conduct
  • Kategorie: Computer Vision
  • Kategorie: Multimodal Prompts
  • Kategorie: Deep Learning
  • Kategorie: Data Processing
  • Kategorie: Solution Architecture
  • Kategorie: Responsible AI

Werkzeuge, die Sie lernen werden

  • Kategorie: Kubernetes
  • Kategorie: Restful API
  • Kategorie: PyTorch (Machine Learning Library)
  • Kategorie: Docker (Software)
  • Kategorie: Apache Airflow

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch
Kürzlich aktualisiert!

März 2026

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Bringen Sie Ihre Karriere mit gefragten Kompetenzen voran.

  • Erhalten Sie Schulungen auf professionellem Niveau von Coursera
  • Stellen Sie Ihre technischen Kenntnisse unter Beweis.
  • Erwerben Sie ein von Arbeitgebern anerkanntes Zertifikat von Coursera.

Berufsbezogenes Zertifikat – 5 Kursreihen

Solution Architecture and Ethical AI Design

Solution Architecture and Ethical AI Design

KURS 1, 4 Stunden

Was Sie lernen werden

  • Design end-to-end multimodal AI architectures that integrate image, audio, and text pipelines into scalable, production-ready systems.

  • Evaluate multimodal model performance using cross-modal metrics including FID, CLIP scores, recall@k, and Visual Question Answering accuracy.

  • Apply ethical AI frameworks to assess model bias using demographic parity and equalized odds across sensitive population subgroups.

  • Generate model interpretability reports using LIME and SHAP to explain AI predictions and communicate findings to technical stakeholders.

Kompetenzen, die Sie erwerben

Kategorie: Solution Architecture
Kategorie: Responsible AI
Kategorie: Technical Documentation
Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
Kategorie: Data Science
Kategorie: Machine Learning
Kategorie: Enterprise Architecture
Kategorie: Model Evaluation
Kategorie: AI Integrations
Kategorie: Natural Language Processing
Kategorie: Generative Model Architectures
Kategorie: Image Quality
Kategorie: Algorithms
Kategorie: Systems Architecture
Kategorie: AI Orchestration
Kategorie: Scalability
Kategorie: Software Documentation
Kategorie: Computer Science
Kategorie: Data Ethics
Kategorie: Solution Design

Was Sie lernen werden

  • Fine-tune transformer-based multimodal models using transfer learning in PyTorch and TensorFlow.

  • Build cross-modal retrieval systems using FAISS and attention-based fusion of visual and text embeddings.

  • Automate ML pipelines with drift monitoring, hyperparameter tuning, and retraining using MLflow and Ray Tune.

  • Design and document versioned multimodal inference APIs with FastAPI, OAuth2, and OpenAPI specifications.

Kompetenzen, die Sie erwerben

Kategorie: MLOps (Machine Learning Operations)
Kategorie: Model Optimization
Kategorie: API Design
Kategorie: Fine-tuning
Kategorie: Model Training
Kategorie: Transfer Learning
Kategorie: Solution Architecture
Kategorie: Restful API
Kategorie: Machine Learning Software
Kategorie: Vision Transformer (ViT)
Kategorie: Machine Learning Algorithms
Kategorie: Data Architecture
Kategorie: OAuth
Kategorie: Application Programming Interface (API)
Kategorie: Model Deployment
Kategorie: Data Science
Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
Kategorie: Model Evaluation
Kategorie: Technical Communication
Kategorie: Machine Learning

Was Sie lernen werden

  • Preprocess images and video using normalization, color-space conversion, and motion extraction techniques.

  • Build audio feature extraction and augmentation pipelines using MFCCs and spectral transforms.

  • Fine-tune transformer models and construct text preprocessing pipelines for NLP applications.

  • Evaluate and debug multimodal AI models using automatic metrics and human-in-the-loop frameworks.

Kompetenzen, die Sie erwerben

Kategorie: Data Preprocessing
Kategorie: Computer Vision
Kategorie: Data Transformation
Kategorie: Natural Language Processing
Kategorie: Feature Engineering
Kategorie: Image Quality
Kategorie: Model Evaluation
Kategorie: Data Pipelines
Kategorie: Model Training
Kategorie: Artificial Neural Networks
Kategorie: Large Language Modeling
Kategorie: Machine Learning Methods
Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
Kategorie: Image Analysis
Kategorie: Data Processing
Kategorie: Data Architecture
Kategorie: Fine-tuning
Kategorie: Machine Learning Algorithms
Kategorie: Machine Learning Software
Kategorie: Hugging Face
Production-Ready Multimodal ML Engineering

Production-Ready Multimodal ML Engineering

KURS 4, 12 Stunden

Was Sie lernen werden

  • Design a multimodal feature store and build automated ETL pipelines using BigQuery and Airflow.

  • Write test-driven ML training code and validate multimodal datasets for production readiness.

  • Optimize model inference with TensorRT and manage ML codebases using GitFlow and CI/CD tools.

  • Deploy GPU-accelerated services on Kubernetes and tune autoscaling for real-time performance.

Kompetenzen, die Sie erwerben

Kategorie: Data Pipelines
Kategorie: Kubernetes
Kategorie: Extract, Transform, Load
Kategorie: Containerization
Kategorie: Model Training
Kategorie: Test Driven Development (TDD)
Kategorie: Apache Airflow
Kategorie: Data Validation
Kategorie: Model Optimization
Kategorie: Data Integrity
Kategorie: Machine Learning Software
Kategorie: Natural Language Processing
Kategorie: Model Deployment
Kategorie: Algorithms
Kategorie: Machine Learning Algorithms
Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
Kategorie: Artificial Intelligence
Kategorie: MLOps (Machine Learning Operations)
Kategorie: Artificial Neural Networks
Kategorie: Cloud-Native Computing
Career Development for Multimodal Intelligence

Career Development for Multimodal Intelligence

KURS 5, 2 Stunden

Was Sie lernen werden

  • Build multimodal AI systems that integrate vision, audio, and language using cross-attention fusion and transformer architectures.

  • Deploy production-ready multimodal models with optimized inference pipelines, containerization, and automated MLOps workflows.

  • Architect cross-modal retrieval and fusion systems using contrastive learning and embedding alignment for real-world applications.

Kompetenzen, die Sie erwerben

Kategorie: Generative AI
Kategorie: Image Analysis
Kategorie: MLOps (Machine Learning Operations)
Kategorie: Large Language Modeling
Kategorie: Machine Learning
Kategorie: Retrieval-Augmented Generation
Kategorie: Tensorflow
Kategorie: Deep Learning
Kategorie: PyTorch (Machine Learning Library)
Kategorie: Vision Transformer (ViT)
Kategorie: Embeddings
Kategorie: Generative Model Architectures
Kategorie: Model Deployment
Kategorie: Model Optimization
Kategorie: Natural Language Processing
Kategorie: AI Integrations
Kategorie: Computer Vision
Kategorie: Multimodal Prompts
Kategorie: Applied Machine Learning

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Professionals from the Industry
513 Kurse117.333 Lernende

von

Coursera

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Häufig gestellte Fragen

¹Basierend auf den Antworten der „Coursera Learner Outcomes Survey“, USA, 2021.