Contacta con nosotros

Temario del curso

Introducción a los Modelos Multimodales Mistral

  • Visión general de Mistral Medium y capacidades multimodales.
  • Modelos de OCR/documento 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 a partir de imágenes.

Comprensión de Documentos

  • Diseño de pipelines de PLN para documentos.
  • Reconocimiento de entidades, resumen y clasificación.
  • Enlace multimodal entre datos textuales y visuales.

Aplicaciones de Búsqueda y Conocimiento

  • Sistemas de búsqueda visual-textual.
  • Construcción de búsquedas semánticas con salidas de OCR.
  • Repositorios documentales empresariales.

Aplicaciones Asistivas e Interactivas

  • Diseño de UI para asistentes multimodales.
  • Aplicaciones de accesibilidad (por ejemplo, conversión de visión a texto).
  • Herramientas de productividad del mundo real.

Rendimiento y Optimización

  • Escalar pipelines multimodales.
  • Ajuste del rendimiento de inferencia.
  • Evaluar compensaciones entre precisión y eficiencia.

Casos de Estudio y Futuras Direcciones

  • Aplicaciones industriales de IA multimodal.
  • Tendencias de investigación en OCR e IA documental.
  • Consideraciones de IA responsable en tareas de visión-texto.

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de conceptos de procesamiento de lenguaje natural (PLN).
  • Experiencia con Python y frameworks de aprendizaje automático (ML).
  • Conocimiento básico de visión por computadora.

Público Objetivo

  • Equipos de producto.
  • Investigadores de ML.
  • Ingenieros de ML aplicados.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas