Deutsche Ausgabe
Document AI: OCR und Dokumentenintelligenz
Intelligente Dokumentenextraktion mit OCR 3: Texterkennung, Annotationen, Tabellen, Dokumenten-QnA und Stapelverarbeitung.
16 Lektionen ca. 1 h 30 min Entwickler
Das lernen Sie
- Aufruf der Mistral OCR API in Python, um ein Dokument in strukturierten Text zu konvertieren
- Extraktion von Tabellen, Kopfzeilen und Paginierung aus einem Dokument ohne Verlust der ursprünglichen Struktur
- Konfiguration der Annotations-API zur Extraktion strukturierter Metadaten, einschließlich bei der Stapelverarbeitung
- Abfrage eines oder mehrerer Dokumente mit Document QnA und Erhalt quellenbasierter Antworten
- Integration von OCR in eine RAG-Pipeline und Industrialisierung der Dokumentenpipeline für die Produktion
Kursübersicht
- Zielgruppe
- Entwickler, Ingenieure und Integratoren, die Mistral AI über die API in ihren Anwendungen nutzen möchten.
- Voraussetzungen
- Fähigkeit, Python und JSON zu lesen, Grundkenntnisse der Befehlszeile. Ein Mistral AI Studio API-Schlüssel zum Ausprobieren der Beispiele.
- Dauer
- 1 h 30 min — 16 Lektionen
- Modalitäten
- 100 % onlineer Selbstlernkurs, rund um die Uhr über den Browser zugänglich. Der Fortschritt wird gespeichert und kann jederzeit fortgesetzt werden. Geschätzte Dauer: 1 h 30 min.
- Bewertung
- Übungsaufgaben werden während der Lektionen vorgeschlagen. Jede Lektion endet mit ihren wichtigsten Erkenntnissen, die die Selbstbewertung unterstützen. Ein abschließendes Quiz mit 5 korrigierten Fragen am Ende der letzten Lektion validiert die erworbenen Fähigkeiten.
- Barrierefreiheit
- Selbstlernkurs, der für Menschen mit Behinderungen zugänglich ist: Textinhalte sind mit Screenreadern kompatibel, unterstützen die Tastaturnavigation und erfüllen die Kontrastanforderungen. Bei Anpassungsbedarf wenden Sie sich bitte per E-Mail an [email protected].
- Preis
- Kostenlos
Kursinhalt
- 01 Einführung in Document AI
- 02 OCR-Modell von Mistral (OCR 4)
- 03 Anwendungsfälle für Document AI
- 04 OCR-API von Mistral
- 05 Ihr erster OCR-Aufruf in Python
- 06 Tabellen und Struktur-Extraktion
- 07 Überschriften, Fußzeilen und Paginierung
- 08 Optimierung der OCR-Genauigkeit
- 09 Die Annotations-API
- 10 Strukturierte Metadaten extrahieren
- 11 Batch-Annotationen
- 12 Anwendungsfälle für Annotationen
- 13 Die Dokument-QnA-API
- 14 Multi-Document QnA
- 15 Integration von OCR und RAG
- 16 Produktionspipeline