Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Varaktighet 14 timmar
Kursplan
Introduktion till Mistral:s multimodala modeller
- Översikt av Mistral Medium och dess multimodala funktioner
- OCR- och dokumentmodeller samt användningsområden
- Integration med öppen källkods ekosystem
OCR- och visionspipelines
- OCR-grunder med Mistral-modeller
- Förbehandling av bilder och skannade dokument
- Extraktion av strukturerad text från bilder
Dokumentförståelse
- Utformning av NLP-pipelines för dokument
- Entitetsigenkänning, sammanfattning och klassificering
- Korsmodal koppling av text- och visionsdata
Sök- och kunskapsbaserade tillämpningar
- System för vision- och textbaserad sökning
- Skapande av semantisk sökning med OCR-resultat
- Företagets dokumentarkiv
Assistiva och interaktiva tillämpningar
- UI-design för multimodala assistenter
- Tillgänglighetsfokuserade tillämpningar (t.ex. vision till text)
- Verktyg för produktivitet i praktiken
Prestanda och optimering
- Skalning av multimodala pipelines
- Justering av inference-prestanda
- Utvärdering av avvägningar mellan noggrannhet och effektivitet
Case studies och framtida utveckling
- Branschapplikationer av multimodal AI
- Forskningsstreck inom OCR och dokument-AI
- Ansvarsfull AI vid vision- och textuppgifter
Sammanfattning och nästa steg
Krav
- Förståelse för grundbegrepp inom naturlig språkbehandling (NLP)
- Erfarenhet av Python och ML-ramverk
- Kunskap om grundläggande datorvision
Målgrupp
- Produktteam
- ML-forskare
- Tillämpade ML-ingenjörer