Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Diagramok elemzése és adatok kinyerése táblázatokból

3. lecke 14 közül Frissítve 2026. november 2. Kezdő
Ezen az oldalon
  1. Képek alakítása cselekvőképes adattá
  2. Diagram elemzése
  3. Adatok kinyerése táblázatokból
  4. Alapszintű OCR adatokat tartalmazó képeken
  5. Valós felhasználási esetek
  6. Legjobb gyakorlatok
  7. Főbb megállapítások

Frissítve: 2026. november 2. — A Le Chat mostantól Vibe. 2026. május 28-tól a Le Chatot átnevezték Vibe-ra (továbbra is a chat.mistral.ai címen érhető el): ez egyetlen ügynök a munkához és a kódoláshoz, amely megőrzi beszélgetéseidet, beállításaidat és előfizetéseidet. A régi Le Chat élmény továbbra is elérhető a Chat módban; a Work módban az ügynökök készségekké (skills) váltak (az @ jellel hívhatók meg), az emlékek (memories) szolgálják a tudásbázist, a mélyreható kutatás pedig a Deep Research készség. A csomagok neve mostantól Mistral Free, Pro, Team és Enterprise. Ez a lecke a Vibe nevet használja; vedd figyelembe, hogy az itt leírt egyes menük neve vagy elhelyezkedése megváltozhatott.

Képek alakítása cselekvőképes adattá

A diagramok és táblázatok mindenhol ott vannak: üzleti jelentésekben, PowerPoint-diákon, hírcikkekben, pénzügyi kimutatásokban. De amikor ezek az elemek egy képen belül vannak bezárva – legyen szó képernyőmentésről, beolvasott PDF-ről vagy egy képernyőről készült fotóról –, nem tudod másolni és beilleszteni a számokat. Hányszor írtad már be manuálisan az értékeket egy mellékletként küldött táblázatból? Pont itt jeleskedik a Mistral AI látási képessége: úgy olvassa el a diagramot, ahogy te tennéd, kinyeri az adatokat, és strukturáltan újraformázza azokat.

Diagram elemzése

Amikor feltöltesz egy diagramot a Vibe-ba, a modell automatikusan elemeire bontja annak felépítését. Először azonosítja a diagram típusát – hisztogram, vonaldiagram, kördiagram, oszlopdiagram, szórásdiagram –, mivel mindegyik más olvasási megközelítést igényel. Ezt követően megkeresi a tengelyeket a címkéikkel, mértékegységeikkel és skáláikkal együtt, majd a jelmagyarázatokat, amelyek a kategóriákat a színekhez rendelik, végül magukat az értékeket: adatpontokat, százalékokat, összegeket. Ez a strukturált olvasás lehetővé teszi, hogy konkrét kérdésekre válaszoljon a felületes leírás generálása helyett.

Kérdéseid így pontosan arra irányulhatnak, ami számodra fontos: „Melyik kategória rendelkezik a legmagasabb értékkel?“ rangsorolás esetén, „Mi az általános tendencia január és június között?“ fejlődés vizsgálatára, „Hasonlítsd össze a két vonalat, és azonosítsd a metszéspontjaikat“ keresztanalízishez, vagy „Nyerd ki ennek a kördiagramnak az összes értékét listaként“ a nyers adatok lekéréséhez. A modell különösen jól teljesít a nagy kontrasztú, jól olvasható címkékkel rendelkező diagramokon: a nagy felbontású,Distinct színekkel rendelkező kép kiváló eredményt hoz.

Adatok kinyerése táblázatokból

A képekben található táblázatok kiemelt felhasználási esetet jelentenek. Legyen szó egy PDF-jelentésben lévő táblázatról, egy táblázatkezelő képernyőmentéséről vagy egy papírdokumentumról készült fotóról, a modell beolvassa a fejléceket és a sorokat, újjáépíti a szerkezetet – beleértve az oszlopokat, sorokat és akár az egyesített cellákat is –, majd a kívánt formátumban adja ki az adatokat.

Ez az utolsó pont teszi igazán meghatározóvá a különbséget: mindig add meg a kívánt kimeneti formátumot. A „Írd át ezt a táblázatot Markdown formátumba“ parancs újrahasználható táblázatot ad a jegyzeteidhez; a „Nyerd ki e táblázat adatait CSV-ként“ utasítás egy olyan fájlt hoz létre, amely készen áll a táblázatkezelőbe való importálásra; a „Készíts listát a termékekről és áraikról“ pedig olvasható összefoglalót delivers. A modell kezeli az összetett táblázatszerkezeteket – több oszlop, részösszegek, lábjegyzetek –, és boldogul a színes cellákkal vagy vastag kerettel rendelkező táblázatokkal is.

Alapszintű OCR adatokat tartalmazó képeken

A diagramokon és táblázatokon túl a modell képes elolvasni minden látható szöveget egy képen. Ezt OCR-nek (Optikai Karakterfelismerés) nevezzük, és ez a képesség natívan be van építve a Vibe-ba. Konkrétan kinyerheted az összeget, a dátumot és a szállítót egy számláról vagy nyugtáról; lekérheted a nevet, az e-mail címet és a telefonszámot egy névjegykártyáról; elolvashatsz szöveget egy közlekedési tábláról vagy kirakatról; sőt, még kézírással kitöltött mezőket is átírhatsz egy papíralapú űrlapról.

A haladó OCR-szükségletekhez – nagy dokumentummennyiségek feldolgozása, strukturált kinyerés, automatizált munkafolyamatok – a Mistral egy Dedicated megoldást kínál Document AI néven, amellyel e tanfolyam 3. szakaszában foglalkozunk. Egyelőre jegyezd meg, hogy a Vibe már most is nagyon jól kezeli a mindennapi, eseti igényeket.

Valós felhasználási esetek

Nézzünk meg három tipikus irodai forgatókönyvet. Első eset: kapsz egy negyedéves teljesítménydiagramot képként egy e-mailben. Töltsd fel a Vibe-ba, és kérdezd meg, melyik negyedév teljesített a legjobban, kérd meg, számolja ki a növekedést Q1 és Q4 között, vagy kérj egy hárompontos összefoglalót a kulcsfontosságú trendekről – ennyi elég, hogy öt perc alatt felkészülj egy értekezletre.

Második eset: van egy képernyőmentésed egy irányítópultról, több mutatóval. Kérd így: „Nyerd ki az összes látható KPI-t és aktuális értéküket“, majd „Azonosítsd a piros jelzőket“, hogy azonnal lásd, mi romlik, anélkül, hogy navigálnod kellene az eredeti eszközben.

Harmadik eset, amelyet gyakran figyelmen kívül hagynak: az ellenőrzés. Kételkedsz egy számban egy valaki által küldött prezentációban? Töltsd fel a diát, és kérdezd meg: „Helyes az utolsó oszlopban lévő összeg?“ vagy „Összeadják-e a százalékok ebben a kördiagramban a 100%-ot?“ A modell újraszámolja az adatokat, és jelzi az inkonzisztenciákat – ez értékes biztonsági háló, mielőtt terjesztenéd a dokumentumot.

Legjobb gyakorlatok

Négy szokás határozza meg az eredmények minőségét. Először is, a felbontás: minél élesebb a kép, annál jobb az olvasás – kerüld a homályos fotókat és a túlságosan tömörített képernyőmentéseket. Másodszor, a keretezés: vágd körbe a képet úgy, hogy csak a releváns diagramot vagy táblázatot mutassa, mivel a kevesebb vizuális zaj körülötte pontosabb elemzést eredményez. Harmadszor, a kontextus: ha a diagram nem állítja egyértelműen a tárgyát, add meg te magad („Ez a diagram a havi eladásokat mutatja euróban“), hogy segítsd a modellt a helyes értelmezésben. Végül, az ellenőrzés: kritikus felhasználás esetén mindig vesd össze a kinyert számokat az eredeti forrással, mivel az AI félreolvashat hasonlóan kinéző értékeket vagy szokatlan betűtípusokat.

Főbb megállapítások

  • A modell azonosítja a diagramtípusokat, tengelyeket, jelmagyarázatokat és értékeket
  • Kérheted az adatok kinyerését Markdown, CSV vagy lista formátumban
  • Az alapszintű OCR beépítve található, hogy elolvassa a szöveget bármely képen
  • A képmínőség és a kérdések pontossága határozza meg az eredmények minőségét