Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción a la multimodalidad de Gemini 3
- Capacidades en texto, imágenes, audio y video
- Selección de modelos y visión general de los puntos finales
- Conceptos clave en el razonamiento multimodal
Trabajo con texto y entradas estructuradas
- Estrategias de prompting para la generación de texto
- Metadatos, ventanas de contexto y embeddings
- Orquestación basada en texto de tareas multimodales
Comprensión de imágenes y flujos de trabajo visuales
- Análisis e interpretación de imágenes con Gemini 3
- Creación de herramientas de búsqueda visual y etiquetado
- Construcción de interacciones de imagen a texto y texto a imagen
Procesamiento de entrada de audio
- Flujos de trabajo de reconocimiento y transcripción de voz
- Detección e interpretación de eventos de audio
- Integración de audio con entradas de texto y visuales
Inteligencia de video y análisis de escenas
- Razonamiento de video por fotogramas y continuo
- Construcción de herramientas de resumen y extracción de momentos destacados
- Automatización basada en video y flujos de trabajo de contenido
Diseño de arquitecturas de aplicaciones multimodales
- Combinación de múltiples tipos de entrada en una sola tubería
- Consideraciones de latencia, costo y computación
- Mejores prácticas para sistemas multimodales escalables
Prototipado de aplicaciones multimodales
- Creación práctica de prototipos multimodales
- Iteración rápida con ingeniería de prompts
- Pruebas y refinamiento de los flujos de experiencia de usuario
Implementación de soluciones multimodales
- Estrategias de despliegue y configuración del entorno
- Monitoreo del rendimiento en el mundo real
- Consideraciones de seguridad y cumplimiento
Resumen y próximos pasos
Requerimientos
- Comprensión de conceptos modernos de IA
- Experiencia con Python o JavaScript
- Conocimiento de APIs REST
Público objetivo
- Diseñadores
- Creadores de contenido
- Equipos técnicos de producto
Reseñas (1)
Flujo, vibra y tema en la presentación
Lukasz Kowalczyk - Allegro Sp. z o.o.
Curso - Google Gemini AI for Data Analysis
Traducción Automática