Ultimate Multimodal Transformer Models

Kieli
Englanti
Formaatti
Kategoria

Tietokirjallisuus

One Architecture. Infinite Intelligence.

Book Description

Transformer architectures have become the unified foundation of modern AI — powering language models, computer vision systems, and multimodal applications that process text, images, and speech together. Ultimate Multimodal Transformer Models provides a comprehensive, hands-on guide to mastering every major Transformer variant, from foundational encoder-decoder architectures to cutting-edge vision-language models and production GenAI systems.

You begin with the core building blocks of Transformer architecture and text data preparation, then progressively advance through encoder-only models, generative LLMs, RAG, Agentic workflows, and efficient fine-tuning using PEFT, LoRA, and QLoRA. The book then transitions into Vision Transformers, covering ViT, DETR, SAM, CLIP, and Flamingo, before bringing everything together in real-world multimodal applications combining text, vision, and speech using PyTorch and Hugging Face throughout.

By the end of the book, you will be proficient to build, fine-tune, and deploy Transformer-based AI systems across text, vision, and multimodal domains with confidence, applying the right architecture and strategy for every real-world use case!

What you will learn

? Build and deploy Transformer models for text, vision, and multimodal AI tasks.

? Fine-tune large language models efficiently using PEFT, LoRA, and QLoRA techniques.

? Develop production-ready GenAI applications using RAG pipelines and Agentic AI workflows.

? Apply LLMs to real-world NLP tasks including summarization, question answering, and classification.

? Implement Vision Transformers, DETR, and SAM for object detection and image segmentation tasks.

? Integrate multimodal AI systems combining text, vision, and speech using CLIP and Flamingo architectures.

Table of Contents

1. The Rise of Transformer Models in Sequence Learning

2. Text Data Preparation for Transformer Models

3. Building Blocks of Transformer Architecture

4. Encoder-only Transformer Configurations

5. Generative Transformers and LLM Architectures

6. Customizing LLMs Using Retrieval-Augmented Generation (RAG)

7. Efficient Fine-Tuning Techniques with PEFT and LoRA

8. Orchestrating LLMs with Tools and Memory

9. Introduction to Vision Transformer Models

10. Vision Transformers for Image Classification

11. Object Detection and Segmentation with Transformer Architectures

12. Vision-Language Models and Multimodal LLMs

13. Real-World Multimodal GenAI Applications

14. Image Generation with Vision Transformers

15. The Future of GenAI with Transformers

Index

© 2026 Orange Education Pvt Ltd (E-kirja): 9788169646833

Julkaisupäivä

E-kirja: 2. kesäkuuta 2026

Avainsanat

Kuuntele missä ja milloin haluat

Astu tarinoiden maailmaan

  • Pohjoismaiden suosituin ääni- ja e-kirjapalvelu
  • Uppoudu suureen valikoimaan äänikirjoja ja e-kirjoja
  • Storytel Original -sisältöjä yksinoikeudella
  • Ei sitoutumisaikaa
Aloita ilmainen kokeilu
NO - Details page - Device banner - 894x1036
Cover for Ultimate Multimodal Transformer Models

Valitse tilausmalli

  • Yli miljoona tarinaa

  • Suosituksia juuri sinulle

  • Uusia Storytel Original + muita eksklusiivisia sisältöjä kuukausittain

  • Turvallinen Kids Mode

  • Ei sitoutumisaikaa

Suosituin

Premium

Sinulle joka kuuntelet ja luet usein.

19.99 € /kuukausi

  • Ei sitoutumisaikaa

Aloita ilmainen kokeilu

Standard

Sinulle joka kuuntelet säännöllisesti.

16.99 € /kuukausi

  • Ei sitoutumisaikaa

Aloita ilmainen kokeilu

Flex

Sinulle joka kuuntelet vähemmän.

9.99 € /kuukausi

  • Säästä käyttämättömät tunnit, max 20h

  • Ei sitoutumisaikaa

Aloita ilmainen kokeilu

Unlimited

Sinulle joka haluat rajattomasti tarinoita.

29.99 € /kuukausi

  • Ei sitoutumisaikaa

Aloita ilmainen kokeilu

Family

Kun haluat jakaa tarinoita perheen kanssa.

Alkaen 26.99 € /kuukausi

  • Ei sitoutumisaikaa

Sinä + 1 perheenjäsen2 käyttäjätiliä

26.99 € /kuukausi

Aloita ilmainen kokeilu