Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Einführung in Mistral-Multimodal-Modelle

  • Überblick über Mistral Medium und multimodale Fähigkeiten
  • OCR- und Dokumentenmodelle sowie Anwendungsfälle
  • Integration in Open-Source-Ökosysteme

OCR- und Vision-Pipelines

  • OCR-Grundlagen mit Mistral-Modellen
  • Vorverarbeitung von Bildern und gescannten Dokumenten
  • Extraktion strukturierter Texte aus Bildern

Dokumentenverständnis

  • Gestaltung von NLP-Pipelines für Dokumente
  • Entitätserkennung, Zusammenfassung und Klassifizierung
  • Quermodale Verknüpfung von Text- und Bilddaten

Such- und Wissensanwendungen

  • Systeme für die visuell-textuelle Suche
  • Aufbau semantischer Suche mit OCR-Ergebnissen
  • Enterprise-Dokumentenarchiven

Assistive und interaktive Anwendungen

  • UI-Design für multimodale Assistenten
  • Anwendungen für Barrierefreiheit (z. B. Vision-to-Text)
  • Produktivitätswerkzeuge für den realen Einsatz

Leistung und Optimierung

  • Skalierung multimodaler Pipelines
  • Anpassung der Inferenzleistung
  • Bewertung der Abwägungen zwischen Genauigkeit und Effizienz

Fallstudien und zukünftige Entwicklungen

  • Branchenspezifische Anwendungen von Multi-Modal AI
  • Forschungstrends im Bereich OCR und Dokumenten-KI
  • Aspekte der verantwortungsvollen KI bei Vision-to-Text-Aufgaben

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis der Konzepte der Verarbeitung natürlicher Sprache
  • Erfahrung mit Python und ML-Frameworks
  • Kenntnisse der Grundlagen der Computer Vision

Zielgruppe

  • Produktteams
  • ML-Forscher:innen
  • Anwendende ML-Ingenieur:innen

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien