Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Latvijas izdevums

Document AI: OCR un dokumentu inteliģence

Inteligenta dokumentu ekstrakcija ar OCR 3: teksta atpazīšana, anotācijas, tabulas, dokumentu jautājumi un atbildes (QnA) un partijas apstrāde.

16 nodarbību ca. 1 h 30 min Programmētājs

Ko jūs apgūsiet

  • Izsaukt Mistral OCR API valodā Python, lai konvertētu dokumentu strukturētā tekstā
  • Ekstrahēt tabulas, galvenes un lapošanu no dokumenta, nezaudējot tā sākotnējo struktūru
  • Konfigurēt Annotations API, lai ekstrahētu strukturētus metadatus, tostarp partijas apstrādē
  • Veikt vaicājumus vienam vai vairākiem dokumentiem, izmantojot Document QnA, un iegūt atsauces saturus saturošas atbildes
  • Integrēt OCR RAG cauruļvadā un industrializēt dokumentu cauruļvadu ražošanas vidē

Kursa kartīte

Kam paredzēts
Izstrādātāji, inženieri un integrētāji, kas vēlas izmantot Mistral AI, izmantojot API, savās lietotnēs.
Priekšnosacījumi
Spēja lasīt Python un JSON, komandrindas pamati. Mistral AI Studio API atslēga piemēru izmēģināšanai.
Ilgums
1 h 30 min — 16 nodarbību
Formāti
100% tiešsaistes pašmācību kurss, pieejams 24/7 no pārlūkprogrammas. Progress tiek saglabāts, atsākšana jebkurā laikā. Paredzamais ilgums: 1 h 30 min.
Novērtējums
Prakses uzdevumi, kas piedāvāti visā nodarbību gaitā. Katra nodarbība beidzas ar galvenajiem secinājumiem, kas atbalsta pašnovērtējumu. Noslēguma tests ar 5 labotiem jautājumiem pēdējās nodarbības beigās apstiprina iegūtās prasmes.
Pieejamība
Pašmācību kurss, kas pieejams cilvēkiem ar invaliditāti: teksta saturs saderīgs ar ekrāna lasītājiem, navigācija ar tastatūru un atbilstoši kontrasti. Jebkādām pielāgošanas vajadzībām rakstiet uz [email protected].
Cena
Gratis

Kursa saturs

  1. 01 Ievads dokumentu mākslīgajā intelektā
  2. 02 Mistrala OCR modelis (OCR 4)
  3. 03 Lietojumgadījumi dokumentu mākslīgajam intelektam
  4. 04 Mistral OCR API
  5. 05 Tavs pirmais OCR izsaukums Python valodā
  6. 06 Tabulu un struktūru ekstrakcija
  7. 07 Galvenes, kājenes un lapu numerācija
  8. 08 Optimisation de la précision de l'OCR
  9. 09 API d'annotations
  10. 10 Extrair des métadonnées structurées
  11. 11 Annotations par lots
  12. 12 Cas d'usage des annotations
  13. 13 API Document QnA
  14. 14 QnA multi-documents
  15. 15 Intégration OCR + RAG
  16. 16 Pipeline de production