Ponte en Contacto
 Duración 21 horas

Temario del curso

Introducción a la IA multimodal y Ollama

  • Vista general del aprendizaje multimodal.
  • Desafíos clave en la integración visión-lenguaje.
  • Capacidades y arquitectura de Ollama.

Configuración del entorno de Ollama

  • Instalación y configuración de Ollama.
  • Trabajo con la implementación de modelos locales.
  • Integración de Ollama con Python y Jupyter.

Trabajo con entradas multimodales

  • Integración de texto e imagen.
  • Incorporación de audio y datos estructurados.
  • Diseño de pipelines de preprocesamiento.

Aplicaciones de comprensión de documentos

  • Extracción de información estructurada de PDFs e imágenes.
  • Combinación de OCR con modelos de lenguaje.
  • Construcción de flujos de trabajo de análisis de documentos inteligentes.

Respuesta a preguntas visuales (VQA)

  • Configuración de conjuntos de datos y benchmarks de VQA.
  • Entrenamiento y evaluación de modelos multimodales.
  • Construcción de aplicaciones de VQA interactivas.

Diseño de agentes multimodales

  • Principios del diseño de agentes con razonamiento multimodal.
  • Combinación de percepción, lenguaje y acción.
  • Despliegue de agentes para casos de uso en el mundo real.

Integración y optimización avanzadas

  • Ajuste fino de modelos multimodales con Ollama.
  • Optimización del rendimiento de inferencia.
  • Consideraciones sobre escalabilidad e implementación.

Resumen y próximos pasos

Requerimientos

  • Sólido conocimiento de conceptos de aprendizaje automático (machine learning).
  • Experiencia con frameworks de aprendizaje profundo como PyTorch o TensorFlow.
  • Conocimiento de procesamiento de lenguaje natural y visión por computadora.

Audiencia

  • Ingenieros de aprendizaje automático.
  • Investigadores de IA.
  • Desarrolladores de productos que integren flujos de trabajo de visión y texto.

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas