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 21 horas
Temario del curso
Introducción a la IA multimodal y Ollama
- Resumen del aprendizaje multimodal
- Principales desafíos en la integración de visión-lenguaje
- Capacidades y arquitectura de Ollama
Configuración del entorno de Ollama
- Instalación y configuración de Ollama
- Trabajo con el despliegue 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 flujos de trabajo de preprocesamiento
Aplicaciones de comprensión de documentos
- Extracción de información estructurada de PDFs e imágenes
- Combining OCR con modelos de lenguaje
- Construcción de flujos de trabajo inteligentes de análisis de documentos
Respuestas 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 de escalabilidad y despliegue
Resumen y próximos pasos
Requerimientos
- Sólido comprensión de los conceptos de aprendizaje automático
- Experiencia con marcos de aprendizaje profundo como PyTorch o TensorFlow
- Conocimiento del procesamiento de lenguaje natural y la visión por computadora
Audiencia
- Ingenieros de aprendizaje automático
- Investigadores en IA
- Desarrolladores de productos que integran flujos de trabajo de visión y texto