Contacta con nosotros

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

Trabajo con Entradas Multimodales

  • Integración de texto e imágenes.
  • Incorporación de audio y datos estructurados.
  • Diseño de flujos de trabajo 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 documental.

Respuesta a Preguntas Visuales (VQA)

  • Configuración de conjuntos de datos y estándares de referencia para VQA.
  • Entrenamiento y evaluación de modelos multimodales.
  • Desarrollo de aplicaciones interactivas de VQA.

Diseño de Agentes Multimodales

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

Integración y Optimización Avanzada

  • Afinamiento (fine-tuning) de modelos multimodales con Ollama.
  • Optimización del rendimiento de inferencia.
  • Escalar y considerar aspectos del despliegue.

Resumen y Próximos Pasos

Requerimientos

  • Sólido conocimiento de conceptos de aprendizaje automático (machine learning).
  • Experiencia con marcos de aprendizaje profundo como PyTorch o TensorFlow.
  • Familiaridad con procesamiento de lenguaje natural y visión por computadora.

Público Objetivo

  • Ingenieros de machine learning
  • Investigadores en 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