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 14 часa
Съдържание и теми, включени в курса
Въведение в мултимодалните модели на Mistral
- Преглед на Mistral Medium и мултимодалните му възможности
- Модели за OCR/документи и случаи на използване
- Интеграция с екосистемите с отворен код
OCR и визуални пайплайни
- Основни принципи на OCR с модели на Mistral
- Предварителна обработка на изображения и сканирани документи
- Извличане на структуриран текст от изображения
Разбиране на документи
- Проектиране на NLP пайплайни за документи
- Разпознаване на сущности, резюме и класификация
- Кръстосано свързване на текстови и визуални данни
Приложения за търсене и знания
- Системи за търсене на текст чрез визия
- Изграждане на семантично търсене с изходи от OCR
- Корпоративни репозитории за документи
Подпомагащи и интерактивни приложения
- Дизайн на потребителски интерфейс за мултимодални асистенти
- Приложения за достъпност (напр. превръщане на визия в текст)
- Инструменти за продуктивност в реалния свят
Производителност и оптимизация
- Мащабиране на мултимодални пайплайни
- Настройка на производителността при инференс
- Оценка на компромисите между точност и ефективност
Кейс-стади и бъдещи направления
- Индустриални приложения на мултимодалния изкуствен интелект
- Трендове в изследванията в областта на OCR и документния AI
- Разглеждане на въпросите за отговорния AI в задачите с текст и визия
Резюме и следващи стъпки
Изисквания
- Разбиране на концепциите в областта на обработката на естествен език (NLP)
- Опит с Python и фреймуъркове за ML
- Знакомство с основите на компютърното зрение
Целева аудитория
- Продуктови екипи
- Изследователи в областта на ML
- Приложни ML инженери