使用多模态模型构建 AI 智能体培训课程-培训

 课程介绍

就像人类通过多种感官感知周围的世界一样，越来越多的计算机传感器被开发出来以捕捉各种数据，例如医疗健康行业，计算机断层扫描（CT）提供了三维表示，以检测潜在的异常；机器人行业，激光雷达帮助机器人感知深度并在复杂环境中导航。本课程中，学员将探索多种融合技术，以开发能使用不同数据类型进行推理的神经网络智能体。

学习目标

· 不同的数据类型及如何使其适用于神经网络。

· 模型融合，以及早期融合、晚期融合和中期融合的区别。

· 使用 OCR 进行 PDF 提取。

· 模态和智能体编排的区别。

· 使用视频搜索和摘要（VSS）定制 NVIDIA AI Blueprints

预备知识

· 深度学习概念有基本的理解。

· 熟悉至少一个深度学习框架，比如 TensorFlow、PyTorch 或者 Keras，本课程使用的是PyTorch

课程大纲

· 早期和晚期融合：

· 使用相机和 LiDAR 数据预测物体位置

· 转换各种数据类型，使其适用于神经网络

· 中间融合：

· 探索有效多模态模型架构背后的理论

· 训练对比预训练模型

· 创建向量数据库

· 模型映射（projection）：

· 将 Llama 2 转换为视觉语言模型（VLM）

· 使用光学字符识别（OCR）工具处理 PDF

· 模型编排：

· 使用 Cosmos Nemotron 分析视频

· 使用 VSS 回答用户关于视频内容的查询

· 使用 NVIDIA AI Blueprints 进行编排

· 评估测试和总结：

· 回顾所学要点