Ponte en Contacto
 Duración 21 horas

Temario del curso

Introducción a la IA Multimodal y Ollama

  • Visión general del aprendizaje multimodal
  • Retos clave en la integración de visión y 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 flujos de preprocesamiento

Aplicaciones de Comprensión de Documentos

  • Extracción de información estructurada de PDFs e imágenes
  • Combina OCR con modelos de lenguaje
  • Construcción de flujos de trabajo de análisis inteligente de documentos

Respuesta a Preguntas 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 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

  • Afinación de modelos multimodales con Ollama
  • Optimización del rendimiento de inferencia
  • Consideraciones de escalabilidad y despliegue

Resumen y Próximos Pasos

Requerimientos

  • Conocimiento sólido de conceptos de aprendizaje automático
  • Experiencia con marcos de aprendizaje profundo como PyTorch o TensorFlow
  • Familiaridad con el procesamiento del lenguaje natural y la visión por computadora

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