Entrar em Contato

Programa do Curso

Introdução à IA Multimodal e Ollama

  • Visão geral do aprendizado multimodal
  • Principais desafios na integração visão-linguagem
  • Capacidades e arquitetura do Ollama

Configurando o Ambiente Ollama

  • Instalação e configuração do Ollama
  • Trabalhando com implantação local de modelos
  • Integração do Ollama com Python e Jupyter

Trabalhando com Entradas Multimodais

  • Integração de texto e imagem
  • Incorporação de áudio e dados estruturados
  • Projeto de pipelines de pré-processamento

Aplicações de Entendimento de Documentos

  • Extração de informações estruturadas de PDFs e imagens
  • Combinação de OCR com modelos de linguagem
  • Criação de fluxos de trabalho inteligentes de análise de documentos

QA Visual (VQA)

  • Configuração de conjuntos de dados e benchmarks de VQA
  • Treinamento e avaliação de modelos multimodais
  • Criação de aplicativos interativos de VQA

Projeto de Agentes Multimodais

  • Princípios de projeto de agentes com raciocínio multimodal
  • Combinação de percepção, linguagem e ação
  • Implantação de agentes para casos de uso do mundo real

Integração Avançada e Otimização

  • Ajuste fino de modelos multimodais com o Ollama
  • Otimização do desempenho da inferência
  • Considerações de escalabilidade e implantação

Resumo e Próximos Passos

Requisitos

  • Forte compreensão de conceitos de aprendizado de máquina
  • Experiência com frameworks de aprendizado profundo como PyTorch ou TensorFlow
  • Conhecimento em processamento de linguagem natural e visão computacional

Público-Alvo

  • Engenheiros de aprendizado de máquina
  • Pesquisadores de IA
  • Desenvolvedores de produtos que integram fluxos de trabalho de visão e texto
 21 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas