Dansk udgave
Vision og billedanalyse via API
Integrer computervision i dine applikationer: send billeder via URL eller Base64, analyser diagrammer, udfør OCR, og udtræk strukturerede data.
12 lektioner ca. 1 t 15 min Udvikler
Hvad du lærer
- Vælg den Mistral multimodale model, der passer til billedtypen og token-budgettet
- Send billeder til API'et via URL eller Base64-kodning, herunder flere pr. besked
- Transskriber tekst fra et billede og udtræk brugbare strukturerede data
- Analyser et diagram eller sammenlign to billeder for at udlede pålidelige numeriske indsigter
- Optimer omkostninger og opløsning af vision-forespørgsler under hensyntagen til API-grænser
Kursusark
- Målgruppe
- Udviklere, ingeniører og integratorer, der ønsker at udnytte Mistral AI via API i deres applikationer.
- Forudsætninger
- Evne til at læse Python og JSON, grundlæggende kommandolinje. En Mistral AI Studio API-nøgle for at prøve eksemplerne.
- Varighed
- 1 t 15 min — 12 lektioner
- Formater
- 100 % online selvstyret kursus, tilgængeligt 24/7 fra en browser. Fremskridt gemmes, genoptag når som helst. Estimeret varighed: 1 t 15 min.
- Vurdering
- Selvvurdering baseret på de vigtigste pointer, der afslutter hver lektion, og direkte implementering af eksempler på dine egne eksempler. En afsluttende quiz med 5 rettede spørgsmål ved slutningen af den sidste lektion validerer læringen.
- Tilgængelighed
- Selvstyret kursus tilgængeligt for personer med handicap: tekstindhold kompatibelt med skærmlæsere, tastaturnavigation og overholdelse af kontraster. For eventuelle tilpasningsbehov, send en e-mail til [email protected].
- Pris
- Gratis
Kursets indhold
- 01 Introduktion til Vision via Mistral API
- 02 Multimodal arkitektur hos Mistral-modeller
- 03 Valg af din Mistral Vision-model
- 04 Send et billede via URL
- 05 Kod og send billeder i Base64
- 06 Send flere billeder i én besked
- 07 Analyser diagrammer med Vision API
- 08 OCR og teksttransskription i billeder
- 09 Udtræk strukturerede data fra billeder
- 10 Sammenlign billeder med Vision API
- 11 Grænser og optimering af Vision API
- 12 Næste skridt: Document AI, funktionskald og multimodale pipelines