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.
Temario del curso
Introducción a los modelos multimodales de Mistral
- Visión 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 del OCR con modelos de Mistral
- Preprocesamiento de imágenes y documentos escaneados
- Extracción de texto estructurado de imágenes
Comprensión de documentos
- Diseño de pipelines de PLN para documentos
- Reconocimiento de entidades, resumen y clasificación
- Vinculación entre texto y datos visuales
Aplicaciones de búsqueda y conocimiento
- Sistemas de búsqueda de visión-texto
- Construcción de búsqueda semántica con salidas de OCR
- Repositorios empresariales de documentos
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 compromisos entre precisión y eficiencia
Casos de estudio y perspectivas futuras
- Aplicaciones industriales de IA multimodal
- Tendencias de investigación en OCR e inteligencia documental
- Consideraciones de IA responsable en tareas de visión-texto
Resumen y próximos pasos
Requerimientos
- Comprensión de conceptos de procesamiento del lenguaje natural
- Experiencia con Python y marcos de ML
- Familiaridad con los fundamentos de la visión por computadora
Público objetivo
- Equipos de producto
- Investigadores de ML
- Ingenieros de ML aplicados
14 Horas