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 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 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
- Enlace multimodal entre datos de texto y visión
Aplicaciones de búsqueda y conocimiento
- Sistemas de búsqueda de texto y visión
- Construcción de búsqueda semántica con salidas de OCR
- Repositorios de documentos empresariales
Aplicaciones asistidas 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
Estudios de caso y futuras tendencias
- Aplicaciones industriales de la IA multimodal
- Tendencias de investigación en OCR e IA de documentos
- Consideraciones sobre IA responsable en tareas de texto-visión
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos del procesamiento del lenguaje natural (PLN)
- Experiencia con Python y frameworks de ML
- Familiaridad con los fundamentos de la visión por computador
Público objetivo
- Equipos de producto
- Investigadores de ML
- Ingenieros de ML aplicado
