Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción a los modelos multimodales de Mistral
- Vista general de Mistral Medium y sus capacidades multimodales
- Modelos de OCR/documentos y casos de uso
- Integración con ecosistemas de código abierto
Pipelines de OCR y visión
- Fundamentos de OCR con modelos Mistral
- Preprocesamiento de imágenes y documentos escaneados
- Extracción de texto estructurado de imágenes
Comprensión de documentos
- Diseño de pipelines de NLP para documentos
- Reconocimiento de entidades, resumen y clasificación
- Vinculación entre modalidades de texto y visión
Aplicaciones de búsqueda y conocimiento
- Sistemas de búsqueda de visión-texto
- Construcción de búsqueda semántica con salidas de OCR
- Repositorios de documentos empresariales
Aplicaciones asistivas e interactivas
- Diseño de UI para asistentes multimodales
- Aplicaciones de accesibilidad (p. ej., visión a texto)
- Herramientas de productividad del mundo real
Rendimiento y optimización
- Escala de pipelines multimodales
- Ajuste del rendimiento de inferencia
- Evaluación de los compensos entre precisión y eficiencia
Estudios de caso y direcciones futuras
- Aplicaciones de la IA multimodal en la industria
- Tendencias de investigación en OCR e IA de documentos
- Consideraciones de IA responsable en tareas de visión-texto
Resumen y próximos pasos
Requerimientos
- Conocimiento de conceptos de procesamiento de lenguaje natural (NLP).
- Experiencia con Python y marcos de trabajo de ML.
- Familiaridad con los fundamentos de visión por computadora.
Audiencia
- Equipos de producto
- Investigadores de ML
- Ingenieros de ML aplicados
