Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Продължителност 21 часa
Съдържание и теми, включени в курса
Въведение в мултимодалния изкуствен интелект и Ollama
- Преглед на мултимодалното обучение
- Ключови предизвикателства при интеграцията на зрение и език
- Възможности и архитектура на Ollama
Настройка на средата на Ollama
- Инсталиране и конфигуриране на Ollama
- Работа с локално внедряване на модели
- Интегриране на Ollama с Python и Jupyter
Работа с мултимодални входни данни
- Интеграция на текст и изображения
- Включване на аудио и структурирани данни
- Проектиране на потоци за предварителна обработка
Приложения за разбиране на документи
- Извличане на структурирана информация от PDF файлове и изображения
- Комбиниране на OCR с езикови модели
- Изграждане на интелигентни работни потоци за анализ на документи
Визуални въпроси и отговори (VQA)
- Настройка на набори от данни и бенчмаркове за VQA
- Обучение и оценка на мултимодални модели
- Изграждане на интерактивни VQA приложения
Проектиране на мултимодални агенти
- Принципи на проектиране на агенти с мултимодално разсъждение
- Комбиниране на възприятие, език и действие
- Внедряване на агенти за реални сценарии на употреба
Разширена интеграция и оптимизация
- Фина настройка на мултимодални модели с Ollama
- Оптимизиране на производителността на изводите
- Съображения за мащабируемост и внедряване
Обобщение и следващи стъпки
Изисквания
- Силно разбиране на концепциите за машинно обучение
- Опит с рамки за дълбоко обучение като PyTorch или TensorFlow
- Познаване на обработката на естествен език и компютърното зрение
Аудитория
- Инженери по машинно обучение
- AI изследователи
- Продуктови разработчици, интегриращи работни потоци за визуална и текстова обработка