Ponte en Contacto
 Duración 21 horas

Temario del curso

Introducción a la IA multimodal y Ollama

  • Visión general del aprendizaje multimodal
  • Principales desafíos en la integración de visión y lenguaje
  • Capacidades y arquitectura de Ollama

Configuración del entorno de Ollama

  • Instalación y configuración de Ollama
  • Trabajo con el despliegue de modelos locales
  • 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 documental

  • Extracción de información estructurada de PDF e imágenes
  • Combinación de OCR con modelos de lenguaje
  • Construcción de flujos de trabajo inteligentes para el análisis de documentos

Respuesta a preguntas visuales (VQA)

  • Configuración de conjuntos de datos y benchmarks de 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 del mundo real

Integración avanzada y optimización

  • Ajuste fino de modelos multimodales con Ollama
  • Optimización del rendimiento de inferencia
  • Consideraciones sobre escalabilidad y despliegue

Resumen y próximos pasos

Requerimientos

  • Sólido conocimiento de los conceptos de aprendizaje automático.
  • Experiencia con frameworks de aprendizaje profundo como PyTorch o TensorFlow.
  • Conocimiento del procesamiento del lenguaje natural y la visión por computador.

Público objetivo

  • Ingenieros de aprendizaje automático.
  • Investigadores de IA.
  • Desarrolladores de productos que integren flujos de trabajo de visión y texto.

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas