Свържете се с нас
 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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории