Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 21 horas
Temario del curso
Introducción a la IA multimodal y Ollama
- Visión general del aprendizaje multimodal
- Desafíos clave en la integración de visión y lenguaje
- Capacidades y arquitectura de Ollama
Configuración del entorno de Ollama
- Instalación y configuración de Ollama
- Trabajo con la implementación local de modelos
- Integración de Ollama con Python y Jupyter
Trabajo con entradas multimodales
- Integración de texto e imagen
- Incorporación de audio y datos estructurados
- Diseño de flujos de preprocesamiento
Aplicaciones de comprensión de documentos
- Extracción de información estructurada de PDFs e imágenes
- Combina OCR con modelos de lenguaje
- Construcción de flujos de trabajo inteligentes para análisis de documentos
Respuestas a preguntas visuales (VQA)
- Configuración de conjuntos de datos y benchmarks de VQA
- Entrenamiento y evaluación de modelos multimodales
- Construcción de aplicaciones interactivas de VQA
Diseño de agentes multimodales
- Principios de diseño de agentes con razonamiento multimodal
- Combinación de percepción, lenguaje y acción
- Implementación de agentes para casos de uso en el mundo real
Integración y optimización avanzadas
- Ajuste fino (fine-tuning) de modelos multimodales con Ollama
- Optimización del rendimiento de inferencia
- Consideraciones sobre escalabilidad e implementación
Resumen y próximos pasos
Requerimientos
- Sólido conocimiento de los conceptos de aprendizaje automático
- Experiencia con marcos de aprendizaje profundo como PyTorch o TensorFlow
- Conocimiento sobre procesamiento de lenguaje natural y visión por computadora
Audiencia
- Ingenieros de aprendizaje automático
- Investigadores de IA
- Desarrolladores de productos que integran flujos de trabajo de visión y texto