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 los modelos multimodales de Mistral
- Resumen de Mistral Medium y sus capacidades multimodales
- Modelos de OCR/documentos y casos de uso
- Integración con ecosistemas de código abierto
Pipelines de OCR y Visión
- Fundamentos del OCR con modelos Mistral
- Preprocesamiento de imágenes y documentos escaneados
- Extracción de texto estructurado de imágenes
Comprensión de documentos
- Diseño de pipelines de PLN para documentos
- Reconocimiento de entidades, resumen y clasificación
- Vinculación entre modalidades de texto y datos de visión
Aplicaciones de búsqueda y conocimiento
- Sistemas de búsqueda de texto-visión
- Construcción de búsqueda semántica con salidas de OCR
- Repositorios de documentos empresariales
Aplicaciones asistidas e interactivas
- Diseño de UI para asistentes multimodales
- Aplicaciones de accesibilidad (p. ej., de visión a texto)
- Herramientas de productividad del mundo real
Rendimiento y optimización
- Escala de pipelines multimodales
- Ajuste del rendimiento de inferencia
- Evaluación de los equilibrios entre precisión y eficiencia
Casos de estudio y direcciones futuras
- Aplicaciones industriales de la IA multimodal
- Tendencias de investigación en OCR e IA de documentos
- Consideraciones de IA responsable en tareas de texto-visión
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos de procesamiento del lenguaje natural (PLN)
- Experiencia con Python y marcos de trabajo de IA (ML frameworks)
- Conocimiento básico de visión por computadora
Público objetivo
- Equipos de producto
- Investigadores de IA
- Ingenieros de IA aplicada
