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 multimodalidad de Gemini 3
- Capacidades a través de texto, imágenes, audio y video
- Selección de modelos y descripción general de endpoints
- Conceptos clave en el razonamiento multimodal
Trabajo con Texto y Entradas Estructuradas
- Estrategias de prompteando para la generación de texto
- Metadatos, ventanas de contexto y embeddings
- Orquestación basada en texto de tareas multimodales
Comprensión de Imágenes y Flujos de Trabajo Visuales
- Análisis e interpretación de imágenes con Gemini 3
- Creación de herramientas de búsqueda visual y etiquetado
- Construcción de interacciones de imagen a texto y texto a imagen
Procesamiento de Entradas de Audio
- Flujos de trabajo de reconocimiento y transcripción de voz
- Detección e interpretación de eventos de audio
- Integración de audio con entradas de texto y visuales
Inteligencia de Video y Análisis de Escenas
- Razonamiento de video cuadro a cuadro y continuo
- Construcción de herramientas de resumenes y extracción de destacados
- Automatización basada en video y flujos de trabajo de contenido
Diseño de Arquitecturas de Aplicaciones Multimodales
- Combinación de múltiples tipos de entrada en un solo pipeline
- Consideraciones de latencia, costo y rendimiento computacional
- Mejores prácticas para sistemas multimodales escalables
Prototipado de Aplicaciones Multimodales
- Creación práctica de prototipos multimodales
- Iteración rápida con ingeniería de prompts
- Pruebas y refinamiento de flujos de experiencia de usuario
Despliegue de Soluciones Multimodales
- Estrategias de despliegue y configuración del entorno
- Monitoreo del rendimiento en el mundo real
- Consideraciones de seguridad y cumplimiento
Resumen y Próximos Pasos
Requerimientos
- Comprensión de conceptos modernos de IA
- Experiencia con Python o JavaScript
- Conocimiento de APIs REST
Público Objetivo
- Diseñadores
- Creadores de contenido
- Equipos de producto técnico
14 Horas
Reseñas (1)
Flujo, vibra y tema en la presentación
Lukasz Kowalczyk - Allegro Sp. z o.o.
Curso - Google Gemini AI for Data Analysis
Traducción Automática