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 21 horas
Temario del curso
Introducción a la IA multimodal y Ollama
- Resumen del aprendizaje multimodal
- Principales desafíos en la integración de visión y lenguaje
- Capacidades y arquitectura de Ollama
Configuración del entorno de Ollama
- Instalación y configuración de Ollama
- Trabajo con la implementación local de modelos
- Integración de Ollama con Python y Jupyter
Trabajo con entradas multimodales
- Integración de texto e imagen
- Incorporación de audio y datos estructurados
- Diseño de tuberías de preprocesamiento
Aplicaciones de comprensión de documentos
- Extracción de información estructurada de PDFs e imágenes
- Combinación de OCR con modelos de lenguaje
- Construcción de flujos de trabajo de análisis documental inteligente
Preguntas Visuales (VQA)
- Configuración de conjuntos de datos y benchmarks de VQA
- Entrenamiento y evaluación de modelos multimodales
- Construcción de aplicaciones VQA interactivas
Diseño de agentes multimodales
- Principios de diseño de agentes con razonamiento multimodal
- Combinación de percepción, lenguaje y acción
- Implementación de agentes para casos de uso en el mundo real
Integración y optimización avanzadas
- Ajuste fino (fine-tuning) de modelos multimodales con Ollama
- Optimización del rendimiento de inferencia
- Consideraciones de escalabilidad e implementación
Resumen y próximos pasos
Requerimientos
- Sólido comprensión de conceptos de aprendizaje automático
- Experiencia con frameworks de aprendizaje profundo como PyTorch o TensorFlow
- Conocimiento de procesamiento de lenguaje natural y visión por computador
Público objetivo
- Ingenieros de aprendizaje automático
- Investigadores de IA
- Desarrolladores de productos que integren flujos de trabajo de visión y texto