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
- Resumen 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
- Enlace multimodal entre datos de texto y visión
Aplicaciones de búsqueda y conocimiento
- Sistemas de búsqueda visual-texto
- Construcción de búsqueda semántica con salidas de OCR
- Repositorios de documentos empresariales
Aplicaciones de asistencia 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 del equilibrio entre precisión y eficiencia
Estudios de caso y direcciones futuras
- Aplicaciones de 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
- Comprensión de los conceptos de procesamiento del lenguaje natural (NLP)
- Experiencia con Python y marcos de ML
- Conocimiento de los fundamentos de la visión por computadora
Público objetivo
- Equipos de producto
- Investigadores en ML
- Ingenieros de ML aplicado
