Lépjen kapcsolatba velünk
 Időtartalma 14 órák

Kurzusleírás

Bemutatkozás a Mistral multimódális modellekkel

  • Mistral Medium és multimódális képességek áttekintése
  • OCR/dokumentum modellek és felhasználási esetek
  • Integráció nyílt forráskódú ökoszisztémákkal

OCR és látási pipelineok

  • OCR alapok Mistral modellekkel
  • Képek és beolvasott dokumentumok előfeldolgozása
  • Strukturált szöveg kivonása képekből

Dokumentumértelmezés

  • NLP pipelineok tervezése dokumentumokhoz
  • Entitásfelismerés, összefoglalás és osztályozás
  • Szöveg és látási adatok cross-módális összekapcsolása

Kereséses és tudásalapú alkalmazások

  • Látás-szöveg kereső rendszerek
  • Semantikus keresés építése OCR-kimenetekkel
  • Vállalati dokumentumtárak

Segítő és interaktív alkalmazások

  • UI tervezés multimódális asszisztensekhez
  • Hozzáférhetőségi alkalmazások (pl. látás-szöveg átalakítás)
  • Gyakorlati produktivitási eszközök

Teljesítmény és optimalizálás

  • Multimódális pipelineok méretezése
  • Inferencia teljesítmény beállítása
  • Pontosság és hatékonyság trade-off értékelése

Esettanulmányok és jövőbeli trendek

  • Multimódális MI iparági alkalmazásai
  • Kutatási trendek az OCR és a dokumentum-MI területén
  • Felelős MI szempontok látás-szöveg feladatoknál

Összegzés és következő lépések

Követelmények

  • A természetes nyelvfeldolgozás (NLP) alapfogalmainak ismerete
  • Tapasztalat Python és MI keretrendszerekkel
  • Alapvető ismeretek a gépi látásról

Célközönség

  • Termékcsoportok
  • MI kutatók
  • Alkalmazott MI mérnökök

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák