Svensk version
Document AI: OCR och dokumentintelligens
Intelligent dokumentextraktion med OCR 3: textigenkänning, annoteringar, tabeller, dokument-QnA och batchbearbetning.
16 lektioner ca. 1 h 30 min Utvecklare
Vad du lär dig
- Anropa Mistral OCR API i Python för att konvertera ett dokument till strukturerad text
- Extrahera tabeller, rubriker och sidnumrering från ett dokument utan att förlora dess ursprungliga struktur
- Konfigurera Annotations API för att extrahera strukturerade metadata, inklusive vid batchbearbetning
- Fråga ett eller flera dokument med Document QnA och få källhänvisade svar
- Integrera OCR i en RAG-pipeline och industrialisera dokumentpipelinen för produktion
Kursöversikt
- Målgrupp
- Utvecklare, ingenjörer och integratörer som vill utnyttja Mistral AI via API i sina applikationer.
- Förkunskaper
- Förmåga att läsa Python och JSON, grundläggande kommandoradskunskaper. En API-nyckel för Mistral AI Studio för att testa exemplen.
- Studietid
- 1 h 30 min — 16 lektioner
- Upplägg
- 100 % online självstudiekurs, tillgänglig 24/7 från en webbläsare. Framsteg sparas, fortsätt när som helst. Beräknad duration: 1 h 30 min.
- Bedömning
- Övningsuppgifter föreslås genom hela lektionerna. Varje lektion avslutas med sina Nyckelpunkter som stödjer självutvärdering. Ett slutquiz med 5 rättade frågor, i slutet av den sista lektionen, validerar förvärvade färdigheter.
- Tillgänglighet
- Självstudiekurs tillgänglig för personer med funktionsnedsättning: textinnehåll kompatibelt med skärmläsare, tangentbordsnavigering och kontraster som följer standarder. För eventuella anpassningsbehov, mejla [email protected].
- Pris
- Gratis
Kursens innehåll
- 01 Introduction till Document AI
- 02 Mistrals OCR-modell (OCR 4)
- 03 Cas d'usage de Document AI
- 04 Mistral OCR API
- 05 Ton premier appel OCR en Python
- 06 Extraction de tableaux et de structures
- 07 Rubriker, sidfötter och sidnumrering
- 08 Optimera OCR-noggrannhet
- 09 API:en för annoteringar
- 10 Extrahera strukturerade metadata
- 11 Annotations par lots
- 12 Cas d'usage des annotations
- 13 API Document QnA
- 14 QnA multi-documents
- 15 Intégration OCR + RAG
- 16 Pipeline de production