Contacta con nosotros

Temario del curso

Introducción a la IA multimodal y Ollama

  • Visión general del aprendizaje multimodal
  • Desafíos clave en la integración de visión-lenguaje
  • Capacidades y arquitectura de Ollama

Configuración del entorno de Ollama

  • Instalación y configuración de Ollama
  • Trabajo con despliegue 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 trabajo de preprocesamiento

Aplicaciones de comprensión documental

  • Extracción de información estructurada desde PDFs e imágenes
  • Combinación de OCR con modelos de lenguaje
  • Construcción de flujos de trabajo inteligentes de análisis documental

QA Visual (VQA)

  • Configuración de datasets y benchmarks para VQA
  • Entrenamiento 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 del mundo real

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

  • Conocimiento sólido de los conceptos de aprendizaje automático
  • Experiencia con frameworks de aprendizaje profundo como PyTorch o TensorFlow
  • Familiaridad con procesamiento de lenguaje natural y visión por computadora

Público objetivo

  • Ingenieros de aprendizaje automático
  • Investigadores de 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