Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Einführung in Mistral Multimodale Modelle

  • Überblick über Mistral Medium und multimodale Fähigkeiten
  • OCR-/Dokumentenmodelle und Anwendungsfälle
  • Integration in quelloffene Ökosysteme

OCR- und Vision-Pipelines

  • OCR-Grundlagen mit Mistral-Modellen
  • Vorbereitung von Bildern und gescannten Dokumenten
  • Extraktion strukturierten Textes aus Bildern

Dokumentverständnis

  • Gestaltung von NLP-Pipelines für Dokumente
  • Entitätserkennung, Zusammenfassung und Klassifizierung
  • Querschnittsweiser Link zwischen Text- und Vision-Daten

Such- und Wissensanwendungen

  • Vision-Text-Suchsysteme
  • Aufbau semantischer Suche mit OCR-Ausgaben
  • Enterprise-Dokumentenrepositorien

Assistive und interaktive Anwendungen

  • UI-Design für multimodale Assistenten
  • Anwendungen für Barrierefreiheit (z. B. Vision-zu-Text)
  • Praktische Produktivitätstools

Leistung und Optimierung

  • Skalierung multimodaler Pipelines
  • Optimierung der Inferenzleistung
  • Bewertung des Kompromisses zwischen Genauigkeit und Effizienz

Fallstudien und Zukunftsperspektiven

  • Branchenweite Anwendungen von multimodaler KI
  • Forschungstrends in OCR und Dokumenten-KI
  • Erwägungen zur verantwortungsvollen KI in Vision-Text-Aufgaben

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundverständnis der Konzepte der natürlichen Sprachverarbeitung (NLP)
  • Erfahrung mit Python und ML-Frameworks
  • Vertrautheit mit den Grundlagen der Computer Vision

Zielgruppe

  • Produktteams
  • ML-Forscher
  • Angewandte ML-Ingenieure

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien