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.
Duración 14 horas
Temario del curso
Introducción a la Multimodalidad de Gemini 3
- Capacidades a través de texto, imágenes, audio y video
- Selección de modelos y resumen de puntos finales
- Conceptos clave en razonamiento multimodal
Trabajo con Texto y Entradas Estructuradas
- Estrategias de prompteo 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 y etiquetado visual
- Construcción de interacciones de imagen a texto y texto a imagen
Procesamiento de Entrada 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 continuo y cuadro por cuadro
- Construcción de herramientas de resumen y extracción de puntos destacados
- Automatización basada en video y flujos de contenido
Diseño de Arquitecturas de Aplicaciones Multimodales
- Combinación de múltiples tipos de entrada en un solo pipeline
- Consideraciones de latencia, costo y computación
- 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
- Un entendimiento de los conceptos de IA moderna
- Experiencia con Python o JavaScript
- Familiaridad con APIs REST
Audiencia
- Diseñadores
- Creadores de contenido
- Equipos de productos técnicos
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