聯繫我們
 課程時長 14 時間:

課程簡介

Mistral 多模態模型介紹

  • Mistral Medium 及多模態功能概述
  • OCR/文件模型及其應用場景
  • 與開源生態系統的整合

OCR 與視覺管線

  • 結合 Mistral 模型的 OCR 基礎知識
  • 影像與掃描文件的預處理
  • 從影像中提取結構化文字

文件理解

  • 設計用於文件的 NLP 管線
  • 實體識別、摘要生成與分類
  • 文字與視覺資料的跨模態連結

搜尋與知識應用

  • 視覺-文字搜尋系統
  • 利用 OCR 輸出結果建立語意搜尋
  • 企業文件資料庫

輔助與互動式應用

  • 多模態助手的 UI 設計
  • 無障礙應用(例如:視覺轉文字)
  • 實際生產力工具開發

效能與最佳化

  • 擴展多模態管線的規模
  • 推論效能調適
  • 評估準確性與效率之間的權衡

案例研究與未來趨勢

  • 多模態人工智慧的產業應用
  • OCR 與文件 AI 的研究趨勢
  • 視覺-文字任務中的負責任 AI 考量

總結與後續步驟

最低要求

  • 具備自然語言處理(NLP)概念的理解
  • 擁有 Python 及機器學習框架的使用經驗
  • 熟悉電腦視覺基礎知識

目標受眾

  • 產品團隊
  • 機器學習研究者
  • 應用機器學習工程師

即將到來的課程

課程分類