UNiSOFT Education Center

Certificate in Building Multimodal AI Systems with Python
Using Hugging Face and Gemini Python 多模態 AI 系統開發專業證書課程

Python 🤗 Hugging Face Gemini FAISS LangChain MCP Streamlit FastAPI

本課程旨在培訓學員使用 Python 建立生產級多模態 AI 系統，結合 Hugging Face 開源模型及 Gemini 雲端模型的強大功能。學員將學習使用自有數據進行模型微調、實作發票辨識系統、建立 RAG 聊天機器人、開發 AI Agents，並透過 Model Context Protocol (MCP) 將 AI 能力暴露為標準化工具服務。最後使用 Streamlit、FastAPI 及雲端平台進行應用部署。課程專注於業界標準向量資料庫 FAISS，確保學員獲得深入、實用的技術掌握，而非淺層的工具接觸。

課程目標 🎯

✅ 使用 Python 開發多模態 AI 系統
✅ 理解並比較 Hugging Face 和 Gemini 模型，並適當使用
✅ 使用自有數據集微調 Hugging Face 預訓練模型
✅ 使用圖像和視覺語言模型建立發票辨識系統
✅ 使用 FAISS 實作嵌入管道和語義搜尋
✅ 設計用於員工培訓和客戶查詢的 RAG 聊天機器人
✅ 使用 LangChain 建立 AI Agents
✅ 使用 Model Context Protocol (MCP) 將 AI 功能暴露為標準化工具服務
✅ 創建互動式 Streamlit 網頁應用程式
✅ 使用 FastAPI 開發後端 AI 服務
✅ 將基於 Python 的 AI 系統部署到雲端環境

學習成果 🎓

成功完成本課程後，學員將能夠：

解釋多模態 AI 概念和系統架構
區分 Hugging Face 和 Gemini 在微調、部署和成本方面的差異
使用 Python 準備和管理自有數據集
使用參數高效技術微調預訓練圖像或文本模型
建立從圖像中提取結構化數據的發票辨識管道
使用 FAISS 生成嵌入並執行語義搜尋
實作由私有知識庫支援的 RAG 聊天機器人
開發具有多步驟推理能力的智能 AI Agents
使用 Python 建立 MCP Server 和 Client，將 AI 系統暴露為可被 Claude Desktop、ChatGPT 等平台調用的標準化工具
為 AI 應用程式建立基於 Streamlit 的用戶界面
使用 FastAPI 和雲端平台部署和管理生產級 AI 系統

課程特色 ✨

✅ 100% Python 開發： 所有開發、微調、API、Agents 和 UI 均使用 Python 實作。
✅ 雙模型框架： 同時學習 Hugging Face 開源模型和 Gemini 雲端模型，了解各自優缺點及適用場景。
✅ 自有數據微調： 學習使用 LoRA、PEFT 等參數高效技術，使用自己的數據微調預訓練模型。
✅ 實戰發票辨識系統： 從圖像中提取發票號碼、日期、供應商、總金額等結構化數據。
✅ 專注 FAISS 向量資料庫： 深入學習業界標準向量資料庫，掌握索引建立、向量存儲和相似度搜尋。
✅ RAG 聊天機器人開發： 建立員工培訓和客戶查詢聊天機器人，整合私有知識庫。
✅ AI Agents 工程能力： 使用 LangChain 開發具有工具使用、記憶和多步驟推理能力的智能代理。
✅ 掌握 MCP 協議： 學習使用 Python 建立 MCP Server，將 FAISS 檢索、發票辨識等 AI 能力暴露為標準化工具，並與 LangChain Agent 整合。
✅ 完整全棧開發： 從 Streamlit 前端 UI 到 FastAPI 後端 API，再到雲端部署。

課程目標對象 👩‍💻👨‍💻

🔰 Python 開發者： 想要進入 AI 領域，學習如何使用 Python 建立多模態 AI 系統。
💡 AI/ML 工程師： 需要掌握 Hugging Face、Gemini、RAG、向量資料庫等實用技術。
🏢 企業 IT 開發人員： 想將 AI 能力整合到現有系統，處理文件、圖像和客戶查詢。
📊 數據科學家： 希望擴展技能至多模態 AI 應用開發和生產部署。
🚀 創業者/產品經理： 想了解如何使用現代 AI 技術建立實際產品。

為什麼選擇這課程？ 🤔

🚀 完整技能樹： Python → Hugging Face/Gemini → Fine-tuning → FAISS → RAG → Agents → MCP → Streamlit → FastAPI → Cloud Deployment
🧠 深度而非廣度： 專注 FAISS 向量資料庫，確保深入掌握而非淺嚐輒止。
📦 企業級實戰專案： 發票辨識系統、員工培訓聊天機器人、客戶查詢機器人等實際應用。
🔧 開源 + 商業模型並重： 同時掌握 Hugging Face 開源模型和 Gemini 商業 API。
🔗 掌握 MCP 業界標準： 學會使用 Model Context Protocol 將 AI 工具標準化，接軌最新 AI 生態系統。
🎥 完整錄影＋實作範例： 可反覆複習，帶你完全掌握。

你將學到什麼 💡

使用 Python 開發完整多模態 AI 系統

🤗 掌握 Hugging Face 開源模型與微調技術

使用 Gemini API 處理文本、圖像和文件

建立 FAISS 向量資料庫與語義搜尋系統

使用 LangChain 開發 AI Agents

使用 MCP 協議將 AI 工具標準化並對外暴露

Streamlit UI + FastAPI 後端 + 雲端部署

Course Content

Module 1.1 – Python for Multimodal AI Development

Role of Python in AI systems
Python libraries for AI pipelines

🤗 Module 1.2 – Hugging Face Ecosystem

Transformers, Pipelines, and Datasets
Open‑source model usage in Python
Local inference and customization

Module 1.3 – Gemini Models and APIs

Gemini multimodal capabilities
Python API usage
Cloud‑based inference

Module 1.4 – Hugging Face vs Gemini (Explicit Comparison)

Open‑source vs proprietary
Fine‑tuning vs API‑only access
Data privacy and deployment options
When to use each in real projects

Practical Lab

Run multimodal inference using both Hugging Face and Gemini in Python

Module 2.1 – Image and Vision‑Language Models

Image classification and document understanding
OCR vs vision‑language models

Module 2.2 – Working with Self‑Owned Image Data

Creating invoice datasets
Image preprocessing using Python

Module 2.3 – Fine‑Tuning with Self‑Owned Data

Parameter‑efficient fine‑tuning (LoRA, PEFT)
Fine‑tuning pretrained image or multimodal models
Evaluation and validation

Module 2.4 – Invoice Recognition System

Field extraction (invoice number, date, vendor, total)
Structured JSON output

Practical Lab

✅ Build an invoice recognition system using custom invoice images

Module 3.1 – Embeddings Fundamentals

What embeddings are
Text and document embeddings in Python

Module 3.2 – Embedding Models

Hugging Face embedding models
Gemini embedding APIs
Model selection considerations

Module 3.3 – Vector Database with FAISS ✅

Why FAISS is used
FAISS architecture and indexing
Creating and storing vectors in FAISS
Similarity search
Metadata handling

Module 3.4 – Retrieval‑Augmented Generation (RAG)

RAG architecture
Integrating FAISS with LLMs
Private knowledge retrieval

Practical Lab

✅ Build an embedding pipeline and semantic search system using FAISS

Module 4.1 – RAG Chatbots with LangChain

Retrievers and chains
Prompt templates
Staff training chatbot
Customer enquiry chatbot

Module 4.2 – AI Agents with LangChain

Agent design
Tool usage
Memory and multi‑step reasoning

Module 4.3 – Model Context Protocol (MCP) for AI Agents

What is MCP? — The universal standard for connecting AI to tools & data
MCP architecture: Hosts, Clients, and Servers
Understanding MCP tools, resources, and prompts
Building an MCP Server in Python using the official MCP SDK
Exposing FAISS RAG retrieval and invoice recognition as MCP tools
Building an MCP Client in Python
Integrating MCP with LangChain using langchain‑mcp‑adapters
Connecting Python MCP servers to Claude Desktop / ChatGPT
Practical example: Multi‑tool MCP‑powered agent with LangChain

Module 4.4 – Streamlit Web UI

Chat interfaces
Image upload interfaces
Session state management
Connecting Streamlit to backend services

Module 4.5 – FastAPI and Cloud Deployment

API design
Async inference
Docker containerization
Cloud deployment strategies

Practical Lab

✅ Build an MCP Server that exposes FAISS retrieval and invoice OCR as tools, then connect it to a LangChain agent

Final Capstone Project

🎯 Enterprise Multimodal AI Application

Includes:

Invoice recognition system
FAISS‑based knowledge retrieval
Staff training chatbot
Customer enquiry chatbot
LangChain agents
MCP server exposing AI tools for external clients
Streamlit web UI
FastAPI backend
Cloud deployment

報名及付款

Certificate in Building Multimodal AI Systems with Python

Using Hugging Face and Gemini

Course Code: MMA2026

Schedule: Starts on 7th May, 7:00 PM -- 9:30 PM

Total Duration: 4 lessons (10 hours)

🎉 Early Bird Discount 🎉

$2,980 $1,980

其他付款方式

支付詳情

轉數快: 快速支付系統識別碼: 108329293
銀行轉帳: 恆生銀行 #789-681384-883
(戶口名稱: UNiSOFT Education Limited)
支票付款: 枱頭請寫 UNiSOFT Education Limited

注意: 如選用轉數快或銀行轉帳完成付款後，請將付款記錄 Whatsapp 到 90455522。

校舍地址及聯繫方式

校舍地址: 九龍佐敦德興街12號興富中心5樓501室
辦公時間: 星期一至星期五上午11時至晚上8時

查詢問題 21361234 90455522

Certificate in Building Multimodal AI Systems with Python Using Hugging Face and Gemini Python 多模態 AI 系統開發專業證書課程

課程目標 🎯

學習成果 🎓

課程特色 ✨

課程目標對象 👩‍💻👨‍💻

為什麼選擇這課程？ 🤔

你將學到什麼 💡

使用 Python 開發完整多模態 AI 系統

🤗 掌握 Hugging Face 開源模型與微調技術

使用 Gemini API 處理文本、圖像和文件

建立 FAISS 向量資料庫與語義搜尋系統

使用 LangChain 開發 AI Agents

使用 MCP 協議將 AI 工具標準化並對外暴露

Streamlit UI + FastAPI 後端 + 雲端部署

Course Content

Lesson 1 — Multimodal AI Foundations with Python

Module 1.1 – Python for Multimodal AI Development

🤗 Module 1.2 – Hugging Face Ecosystem

Module 1.3 – Gemini Models and APIs

Module 1.4 – Hugging Face vs Gemini (Explicit Comparison)

Practical Lab

Lesson 2 — Image Models and Invoice Recognition

Module 2.1 – Image and Vision‑Language Models

Module 2.2 – Working with Self‑Owned Image Data

Module 2.3 – Fine‑Tuning with Self‑Owned Data

Module 2.4 – Invoice Recognition System

Practical Lab

Lesson 3 — RAG Systems and Embeddings (FAISS Focus)

Module 3.1 – Embeddings Fundamentals

Module 3.2 – Embedding Models

Module 3.3 – Vector Database with FAISS ✅

Module 3.4 – Retrieval‑Augmented Generation (RAG)

Practical Lab

Lesson 4 — Chatbots, Agents, MCP, UI, and Deployment

Module 4.1 – RAG Chatbots with LangChain

Module 4.2 – AI Agents with LangChain

Module 4.3 – Model Context Protocol (MCP) for AI Agents

Module 4.4 – Streamlit Web UI

Module 4.5 – FastAPI and Cloud Deployment

Practical Lab

Final Capstone Project

導師簡介

Dannis Mok

相關專業認證

相關教學經驗

視像課程內容

除面授課堂，同學亦可重溫課程錄影片段，觀看期為期一年，可在家無限重播。

PowerBI Relationship (08m:59s)

Python Pandas (06:32)

PowerAutomate Auto Sum Up (06:32)

網上學習系統

詳細視像課程內容，請登入網上學習系統觀看。

登入戶口: demo

登入密碼: demo

報名及付款

Certificate in Building Multimodal AI Systems with Python

Using Hugging Face and Gemini

其他付款方式

支付詳情

校舍地址及聯繫方式

Our Clients

Enrollment Form for MMA202506

Please fill in the details

Enrollment details

Your enrollment details are as follows:

Class Code:

First Name:

Last Name:

Email:

DOB:

Mobile:

Other Phone:

Gender:

Chinese Name:

Address:

Enrollment Confirmation

Thank for your enrollment

We have already reserved a seat for you and wee will contact you soon to inform your payment procedures

Enquiry Form

Please fill in the details

Certificate in Building Multimodal AI Systems with Python
Using Hugging Face and Gemini Python 多模態 AI 系統開發專業證書課程