Contacta con nosotros

Temario del curso

Introducción a la IA multimodal y Ollama

  • Visión general del aprendizaje multimodal.
  • Principales desafíos en la integración de visión y lenguaje.
  • Capacidades y arquitectura de Ollama.

Configuración del entorno de Ollama

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

Trabajo con entradas multimodales

  • Integración de texto e imágenes.
  • Incorporación de audio y datos estructurados.
  • Diseño de flujos de procesamiento previo.

Aplicaciones de comprensión de documentos

  • Extracción de información estructurada de PDF e imágenes.
  • Combinación de OCR con modelos de lenguaje.
  • Construcción de flujos de trabajo inteligentes para análisis documental.

Respuestas a preguntas visuales (VQA)

  • Configuración de conjuntos de datos y puntos de referencia para VQA.
  • Afinamiento y evaluación de modelos multimodales.
  • Construcción de aplicaciones interactivas de VQA.

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 reales.

Integración y optimización avanzada

  • Afinamiento de modelos multimodales con Ollama.
  • Optimización del rendimiento de inferencia.
  • Consideraciones de escalabilidad y despliegue.

Resumen y próximos pasos

Requerimientos

  • Sólido conocimiento de los conceptos de aprendizaje automático.
  • Experiencia con marcos de aprendizaje profundo como PyTorch o TensorFlow.
  • Familiaridad con el procesamiento del lenguaje natural (PLN) y la visión por computadora.

Público objetivo

  • Ingenieros de aprendizaje automático.
  • Investigadores de inteligencia artificial (IA).
  • Desarrolladores de productos que integran flujos de trabajo de visión y texto.
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas