Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Czas trwania 14 godzin
Plan Szkolenia
Wprowadzenie do multimodalnych modeli Mistral
- Przegląd modelu Mistral Medium i możliwości multimodalnych
- Modele OCR i dokumentowe oraz ich zastosowania
- Integracja z ekosystemem open source
Obiekty pracy OCR i wizyjne
- Podstawy OCR z modelami Mistral
- Przetwarzanie wstępne obrazów i zeskanowanych dokumentów
- Ekstrakcja strukturalnego tekstu z obrazów
Rozumienie dokumentów
- Projektowanie obiektów NLP dla dokumentów
- Rozpoznawanie encji, streszczanie i klasyfikacja
- Połączenie międzymodalne danych tekstowych i wizualnych
Aplikacje wyszukiwania i wiedzy
- Systemy wyszukiwania tekstowo-wizualnego
- Tworzenie wyszukiwania semantycznego z użyciem wyników OCR
- Korporacyjne repozytoria dokumentów
Aplikacje wspomagające i interaktywne
- Projektowanie UI dla multimodalnych asystentów
- Aplikacje zwiększające dostępność (np. konwersja obrazu na tekst)
- Narzędzia produktywności w praktyce
Wydajność i optymalizacja
- Skalowanie multimodalnych obiektów pracy
- Dostrojenie wydajności inferencji
- Ocena kompromisów między dokładnością a efektywnością
Studium przypadków i przyszłość rozwoju
- Zastosowania przemysłowe multimodalnej AI
- Trendy badawcze w obszarze OCR i AI dokumentowej
- Rozważania dotyczące odpowiedzialnej AI w zadaniach tekstowo-wizualnych
Podsumowanie i następne kroki
Wymagania
- Znajomość pojęć z zakresu przetwarzania języka naturalnego (NLP)
- Doświadczenie w pracy z Pythonem i frameworkami ML
- Znajomość podstaw komputerowego rozpoznawania obrazów (computer vision)
Grupa docelowa
- Zespoły produktowe
- Badacze ML
- Inżynierowie aplikacji ML