Bądźmy w kontakcie
 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

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie