Wersja polska
Wizja komputerowa i analiza obrazu przez API
Zintegruj wizję komputerową ze swoimi aplikacjami: wysyłaj obrazy przez URL lub Base64, analizuj wykresy, wykonuj OCR i wydobywaj ustrukturyzowane dane.
12 lekcji ok. 1 h 15 min Programista
Czego się nauczysz
- Wybór modelu wielomodalnego Mistral odpowiedniego do typu obrazu i budżetu tokenów
- Wysyłanie obrazów do API przez URL lub kodowanie Base64, w tym wielu obrazów w jednej wiadomości
- Transkrypcja tekstu z obrazu i wydobywanie użytecznych danych ustrukturyzowanych
- Analiza wykresu lub porównanie dwóch obrazów w celu uzyskania wiarygodnych wniosków liczbowych
- Optymalizacja kosztów i rozdzielczości zapytań wizyjnych z uwzględnieniem limitów API
Karta kursu
- Dla kogo
- Deweloperzy, inżynierowie i integratorzy chcący wykorzystać Mistral AI przez API w swoich aplikacjach.
- Wymagania wstępne
- Umiejętność czytania kodu w Pythonie i JSON, podstawy wiersza poleceń. Klucz API Mistral AI Studio do przetestowania przykładów.
- Czas trwania
- 1 h 15 min — 12 lekcji
- Forma
- Kurs online w 100% we własnym tempie, dostępny 24/7 z poziomu przeglądarki. Postępy są zapisywane, możliwość wznowienia w dowolnym momencie. Szacowany czas trwania: 1 h 15 min.
- Weryfikacja wiedzy
- Samoocena oparta na kluczowych wnioskach kończących każdą lekcję oraz bezpośrednia implementacja przykładów na własnych danych. Końcowy quiz z 5 pytań z odpowiedziami na ostatniej lekcji potwierdza przyswojenie wiedzy.
- Dostępność
- Kurs we własnym tempie dostępny dla osób z niepełnosprawnościami: treść tekstowa kompatybilna z czytnikami ekranu, nawigacja klawiaturowa i zgodne kontrasty. W przypadku potrzeb adaptacji prosimy o kontakt pod adresem [email protected].
- Cena
- Bezpłatnie
Program kursu
- 01 Wprowadzenie do Vision przez API Mistral
- 02 Architektura multimodalna modeli Mistral
- 03 Wybór modelu wizyjnego Mistral
- 04 Wysyłanie obrazu przez URL
- 05 Kodowanie i wysyłanie obrazów w formacie Base64
- 06 Wysyłanie wielu obrazów w jednej wiadomości
- 07 Analizuj wykresy za pomocą Vision API
- 08 OCR i transkrypcja tekstu z obrazów
- 09 Ekstrakcja danych strukturalnych z obrazów
- 10 Porównywanie obrazów za pomocą Vision API
- 11 Limity i optymalizacja Vision API
- 12 Kolejne kroki: Document AI, wywoływanie funkcji i potoki multimodalne