Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
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