Latvijas izdevums
Redzes un attēlu analīze, izmantojot API
Integrē datorredzi savās lietotnēs: nosūti attēlus, izmantojot URL vai Base64, analizē diagrammas, veic OCR un iegūst strukturētus datus.
12 nodarbību ca. 1 h 15 min Programmētājs
Ko jūs apgūsiet
- Izvēlēties Mistral multimodālo modeli, kas piemērots attēla tipam un tokenu budžetam
- Nosūtīt attēlus API, izmantojot URL vai Base64 kodējumu, tostarp vairākus attēlus vienā ziņojumā
- Transkribēt tekstu no attēla un iegūt izmantojamus strukturētus datus
- Analizēt diagrammu vai salīdzināt divus attēlus, lai iegūtu uzticamus skaitliskus secinājumus
- Optimizēt redzes vaicājumu izmaksas un izšķirtspēju, ņemot vērā API ierobežojumus
Kursa kartīte
- Kam paredzēts
- Izstrādātāji, inženieri un integratori, 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 15 min — 12 nodarbību
- Formāti
- 100% tiešsaistes pašmācību kurss, pieejams 24/7 no pārlūkprogrammas. Progress tiek saglabāts, atsākšana jebkurā laikā. Paredzamais ilgums: 1 h 15 min.
- Novērtējums
- Pašnovērtējums, balstīts uz galvenajiem secinājumiem, kas noslēdz katru nodarbību, un piemēru tieša ieviešana, izmantojot savus datus. Noslēguma tests ar 5 labotiem jautājumiem pēdējās nodarbības beigās apstiprina apgūtās zināšanas.
- Pieejamība
- Pašmācību kurss, kas pieejams cilvēkiem ar invaliditāti: teksta saturs saderīgs ar ekrāna lasītājiem, navigācija ar tastatūru un atbilstoši kontrasti. Jebkuru pielāgošanas vajadzību gadījumā rakstiet uz [email protected].
- Cena
- Gratis
Kursa saturs
- 01 Ievads vizuālajā apstrādē, izmantojot Mistral API
- 02 Arhitektūra multimodālajiem Mistral modeļiem
- 03 Kā izvēlēties savu Mistral Vision modeli
- 04 Nosūtīt attēlu, izmantojot URL
- 05 Kodēt un nosūtīt attēlus Base64 formātā
- 06 Nosūtīt vairākus attēlus vienā ziņojumā
- 07 Analizē diagrammas, izmantojot Vision API
- 08 Reconnaissance optique de caractères et transcription de texte dans les images
- 09 Extrahēt strukturētus datus no attēliem
- 10 Salīdzini attēlus, izmantojot Vision API
- 11 Limites et optimisation de l'API Vision
- 12 Prochaines étapes : Document AI, appel de fonctions et pipelines multimodaux