Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Einführung in Mistral Multimodal-Modelle

  • Überblick über Mistral Medium und multimodale Fähigkeiten
  • OCR-/Dokumentenmodelle und deren Einsatzszenarien
  • Integration in Open-Source-Ökosysteme

OCR- und Vision-Pipelines

  • OCR-Grundlagen mit Mistral-Modellen
  • Vorbereitung von Bildern und gescannten Dokumenten
  • Extraktion strukturierten Textes aus Bildern

Dokumentenverständnis

  • Gestaltung von NLP-Pipelines für Dokumente
  • Entitätserkennung, Zusammenfassung und Klassifizierung
  • Verknüpfung von Text- und Visualisierungsdaten über Modigrenzen hinweg

Such- und Wissensanwendungen

  • Vision-Text-Suchsysteme
  • Aufbau semantischer Suche mit OCR-Ergebnissen
  • Unternehmensweite Dokumentenrepositories

Assistive und interaktive Anwendungen

  • UI-Design für multimodale Assistenten
  • Barrierefreie Anwendungen (z. B. Vision-zu-Text)
  • Produktivitätswerkzeuge für den Alltag

Leistungsfähigkeit und Optimierung

  • Skalierung multimodaler Pipelines
  • Optimierung der Inferenzleistung
  • Bewertung von Genauigkeits- und Effizienzkompromissen

Case Studies und zukünftige Entwicklungen

  • Branchenweite Anwendungen von multimodaler KI
  • Forschungstrends in OCR und Dokumenten-KI
  • Verantwortungsvolle KI-Aspekte bei Vision-Text-Aufgaben

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundlegendes Verständnis von Konzepten der natürlichen Sprachverarbeitung (NLP)
  • Erfahrung mit Python und ML-Frameworks
  • Vertrautheit mit Grundlagen der Computer Vision

Zielgruppe

  • Produktteams
  • ML-Forscher
  • Anwendungsorientierte ML-Ingenieure

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien