Contacta con nosotros

Temario del curso

Introducción a los modelos multimodales Mistral

  • Visión general de Mistral Medium y capacidades multimodales.
  • Modelos 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 documental

  • Diseño de pipelines de PLN para documentos.
  • Reconocimiento de entidades, resumen y clasificación.
  • Conexión multimodal entre datos de texto y visión.

Búsqueda y aplicaciones de conocimiento

  • Sistemas de búsqueda visual-textual.
  • Desarrollo de búsqueda semántica con salidas de OCR.
  • Repositorios documentales empresariales.

Aplicaciones asistivas e interactivas

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

Rendimiento y optimización

  • Escalado de pipelines multimodales.
  • Ajuste del rendimiento de inferencia.
  • Evaluación de los intercambios entre precisión y eficiencia.

Casos de estudio y perspectivas futuras

  • 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 los conceptos de procesamiento de lenguaje natural (PLN).
  • Experiencia con Python y frameworks de ML.
  • Familiaridad con los fundamentos de visión por computador.

Público objetivo

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas