Prenez contact avec nous
 Durée 21 heures

Plan du cours

Introduction à l'IA multimodale et à Ollama

  • Aperçu de l'apprentissage multimodal
  • Principaux défis de l'intégration vision-langage
  • Capacités et architecture d'Ollama

Mise en place de l'environnement Ollama

  • Installation et configuration d'Ollama
  • Travail avec le déploiement local de modèles
  • Intégration d'Ollama avec Python et Jupyter

Travail avec des entrées multimodales

  • Intégration du texte et des images
  • Inclusion de l'audio et des données structurées
  • Conception de pipelines de prétraitement

Applications de compréhension de documents

  • Extraction d'informations structurées à partir de PDF et d'images
  • Combinaison du OCR et des modèles de langage
  • Construction de flux de travail d'analyse documentaire intelligents

Réponse à des questions visuelles (VQA)

  • Configuration de jeux de données et de benchmarks VQA
  • Entraînement et évaluation de modèles multimodaux
  • Construction d'applications VQA interactives

Conception d'agents multimodaux

  • Principes de conception d'agents avec raisonnement multimodal
  • Combinaison de la perception, du langage et de l'action
  • Déploiement d'agents pour des cas d'usage réels

Intégration avancée et optimisation

  • Ajustement fin (fine-tuning) de modèles multimodaux avec Ollama
  • Optimisation des performances d'inférence
  • Considérations relatives à la scalabilité et au déploiement

Synthèse et étapes suivantes

Pré requis

  • Bonne compréhension des concepts de l'apprentissage automatique
  • Expérience avec des frameworks d'apprentissage profond tels que PyTorch ou TensorFlow
  • Familiarité avec le traitement du langage naturel et la vision par ordinateur

Public cible

  • Ingénieurs en apprentissage automatique
  • Chercheurs en IA
  • Développeurs produit intégrant des flux de travail visuels et textuels

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires