Kontakt aufnehmen

Schulungsübersicht

Einführung in die Multimodalität von Gemini 3

  • Fähigkeiten bei Text, Bildern, Audio und Video
  • Modellauswahl und Übersicht der Endpunkte
  • Kernkonzepte der multimodalen Schlussfolgerung

Arbeiten mit Text und strukturierten Eingaben

  • Prompting-Strategien zur Textgenerierung
  • Metadaten, Kontextfenster und Embeddings
  • Textbasierte Orchestrierung multimodaler Aufgaben

Bildverständnis und visuelle Workflows

  • Bildanalyse und -interpretation mit Gemini 3
  • Entwicklung visueller Such- und Tagging-Tools
  • Aufbau von Interaktionen zwischen Bild und Text sowie Text und Bild

Verarbeitung von Audioeingaben

  • Sprachrecognition- und Transkriptionsworkflows
  • Erkennung und Interpretation von Audioereignissen
  • Integration von Audio mit Text- und Bildeingaben

Videoanalyse und Szenenverständnis

  • Rahmen-für-Rahmen- und kontinuierliche Videoanalyse
  • Aufbau von Tools zur Zusammenfassung und Extraktion von Highlights
  • Video-basierte Automatisierung und Content-Workflows

Gestaltung multimodaler Anwendungsarchitekturen

  • Kombination verschiedener Eingabetypen in einer einzigen Pipeline
  • Latenz, Kosten und rechnerische Aspekte
  • Best Practices für skalierbare multimodale Systeme

Prototyping multimodaler Anwendungen

  • Praxisnahe Erstellung multimodaler Prototypen
  • Schnelle Iteration durch Prompt Engineering
  • Testen und Verfeinern der User-Experience-Flows

Bereitstellung multimodaler Lösungen

  • Bereitstellungsstrategien und Umgebungseinrichtung
  • Überwachung der Leistung in der Praxis
  • Aspekte von Sicherheit und Compliance

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundverständnis moderner KI-Konzepte
  • Erfahrungen mit Python oder JavaScript
  • Vertrautheit mit REST-APIs

Zielgruppe

  • Designer:innen
  • Content Creator
  • Technische Produktteams
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien