Prenez contact avec nous
 Durée 14 heures

Plan du cours

Introduction aux modèles multimodaux Mistral

  • Aperçu de Mistral Medium et de ses capacités multimodales
  • Modèles OCR/document et cas d'usage
  • Intégration avec les écosystèmes open source

Pipelines OCR et vision

  • Fondamentaux de l'OCR avec les modèles Mistral
  • Prétraitement d'images et de documents scannés
  • Extraction de texte structuré à partir d'images

Compréhension des documents

  • Conception de pipelines NLP pour documents
  • Reconnaissance d'entités, résumés et classification
  • Liaison intermodale des données texte et vision

Applications de recherche et de connaissances

  • Systèmes de recherche vision-texte
  • Création de recherche sémantique à partir des sorties OCR
  • Dépôts de documents d'entreprise

Applications assistées et interactives

  • Conception d'interfaces pour assistants multimodaux
  • Applications d'accessibilité (p. ex., conversion vision vers texte)
  • Outils de productivité réels

Performance et optimisation

  • Passage à l'échelle des pipelines multimodaux
  • Ajustement des performances d'inférence
  • Évaluation des compromis entre précision et efficacité

Études de cas et orientations futures

  • Applications industrielles de l'IA multimodale
  • Tendances de la recherche en OCR et IA documentaire
  • Considérations liées à une IA responsable dans les tâches vision-texte

Conclusion et prochaines étapes

Pré requis

  • Compréhension des concepts de traitement du langage naturel (NLP)
  • Expérience avec Python et les cadres de travail de ML
  • Notions de base en vision par ordinateur

Public cible

  • Équipes de produits
  • Chercheurs en ML
  • Ingénieurs en ML appliquée

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires