Contacta con nosotros

Temario del curso

Introducción a la IA multimodal y Ollama

  • Vista previa del aprendizaje multimodal.
  • Desafíos clave en la integración de visión y lenguaje.
  • Capacidades y arquitectura de Ollama.

Configuración del entorno Ollama

  • Instalación y configuración de Ollama.
  • Trabajo con despliegue de modelos locales.
  • Integración de Ollama con Python y Jupyter.

Trabajo con entradas multimodales

  • Integración de texto e imagen.
  • Incorporación de audio y datos estructurados.
  • Diseño de tuberías de preprocesamiento.

Aplicaciones de comprensión de documentos

  • Extracción de información estructurada de PDFs e imágenes.
  • Combinación de OCR con modelos de lenguaje.
  • Creación de flujos de trabajo inteligentes para análisis de documentos.

Respuesta a preguntas visuales (VQA)

  • Configuración de conjuntos de datos y benchmarks de VQA.
  • Entrenamiento y evaluación de modelos multimodales.
  • Desarrollo de aplicaciones interactivas de VQA.

Diseño de agentes multimodales

  • Principios del diseño de agentes con razonamiento multimodal.
  • Combinación de percepción, lenguaje y acción.
  • Despliegue de agentes para casos de uso del mundo real.

Integración avanzada y optimización

  • Ajuste fino de modelos multimodales con Ollama.
  • Optimización del rendimiento de inferencia.
  • Consideraciones de escalabilidad y despliegue.

Resumen y próximos pasos

Requerimientos

  • Sólida comprensión de conceptos de aprendizaje automático.
  • Experiencia con frameworks de aprendizaje profundo como PyTorch o TensorFlow.
  • Conocimiento de procesamiento de lenguaje natural y visión por computadora.

Público objetivo

  • Ingenieros de aprendizaje automático.
  • Investigadores de IA.
  • Desarrolladores de productos que integran flujos de trabajo de visión y texto.
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas