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.
Temario del curso
Introducción a la IA Multimodal y Ollama
- Visión general del aprendizaje multimodal
- Principales desafíos en la integración visión-lenguaje
- Capacidades y arquitectura de Ollama
Configuración del entorno de Ollama
- Instalación y configuración de Ollama
- Trabajo con despliegue 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 pipelines de preprocesamiento
Aplicaciones de comprensión de documentos
- Extracción de información estructurada de PDFs e imágenes
- Combinación de OCR con modelos de lenguaje
- Construcción de flujos de trabajo de análisis documental inteligente
Preguntas y Respuestas 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 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 e implementación
Resumen y próximos pasos
Requerimientos
- Sólido entendimiento de los conceptos de aprendizaje automático
- Experiencia con frameworks de aprendizaje profundo como PyTorch o TensorFlow
- Conocimiento de procesamiento de lenguaje natural y visión por computador
Audiencia
- Ingenieros de aprendizaje automático
- Investigadores de IA
- Desarrolladores de productos que integran flujos de trabajo de visión y texto
21 Horas