Kom i kontakt
 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

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier