Българско издание
Визия и анализ на изображения чрез API
Интегрирайте компютърното зрение във вашите приложения: изпращайте изображения чрез URL или Base64, анализирайте графики, изпълнявайте OCR и извличайте структурирани данни.
12 урока ок. 1 ч 15 мин Програмист
Какво ще научите
- Изберете мултимодалния модел на Mistral, подходящ за типа изображение и бюджета от токени
- Изпращайте изображения към API чрез URL или кодиране Base64, включително няколко на съобщение
- Транскрибирайте текст от изображение и извличайте използваеми структурирани данни
- Анализирайте графика или сравнете две изображения, за да изведете надеждни числени прозрения
- Оптимизирайте разходите и разделителната способност на заявките за визия, като вземете предвид ограниченията на API
Информация за курса
- За кого е
- Разработчици, инженери и интегратори, които искат да използват Mistral AI чрез API в своите приложения.
- Предварителни изисквания
- Умение за четене на Python и JSON, основи на командния ред. API ключ за Mistral AI Studio за тестване на примерите.
- Продължителност
- 1 ч 15 мин — 12 урока
- Формати
- 100% онлайн курс в собствен темп, достъпен 24/7 от браузър. Прогресът се запазва, възобновяване по всяко време. Приблизителна продължителност: 1 ч 15 мин.
- Оценяване
- Самооценка въз основа на основните изводи, завършващи всеки урок, и директно внедряване на примери върху ваши собствени случаи. Финален тест от 5 въпроса с отговори в края на последния урок валидира обучението.
- Достъпност
- Курс в собствен темп, достъпен за хора с увреждания: текстово съдържание, съвместимо със екранни четци, навигация с клавиатура и съответстващи контрасти. За всякакви нужди от адаптация, пишете на [email protected].
- Цена
- Безплатно
Уроци
- 01 Въведение в Vision чрез Mistral API
- 02 Мултимодална архитектура на моделите на Mistral
- 03 Избор на вашия Mistral Vision модел
- 04 Изпращане на изображение чрез URL
- 05 Кодиране и изпращане на изображения в Base64
- 06 Изпращане на няколко изображения в едно съобщение
- 07 Анализиране на диаграми с Vision API
- 08 OCR и транскрибиране на текст в изображения
- 09 Извличане на структурирани данни от изображения
- 10 Сравняване на изображения с Vision API
- 11 Ограничения и оптимизация на Vision API
- 12 Следващи стъпки: Document AI, извикване на функции и многомодови конвейери