Multi-modal LLM Application
تطبيق يعالج النصوص والصور معاً (GPT-4 Vision)
مقدمة المشروع
في هذا المشروع العملي، ستتعلم كيفية تطبيق يعالج النصوص والصور معاً (gpt-4 vision). هذا المشروع مصمم خصيصاً لمستوى متقدمويستغرق تقريباً 3 أسابيع لإكماله بشكل كامل.
سنتبع منهجية CRISP-DM (Cross-Industry Standard Process for Data Mining) المعترف بها عالمياً، والتي تضمن بناء مشروع احترافي قابل للتطبيق في بيئة الإنتاج.
ماذا ستتعلم؟
خطوات العمل التفصيلية
اتبع هذه الخطوات الست لبناء مشروع احترافي
Business Understanding
فهم المشكلة
تحديد الأهداف والمتطلبات من منظور الأعمال
الخطوات العملية:
تطبيقات تفهم الصور والنصوص
Data Understanding
فهم البيانات
جمع البيانات الأولية والتعرف عليها وتحديد جودتها
الخطوات العملية:
جمع صور مع أوصاف
Data Preparation
تحضير البيانات
تنظيف وتحويل البيانات لتكون جاهزة للنمذجة
الخطوات العملية:
ترميز الصور لـ base64
Modeling
بناء النموذج
اختيار وتطبيق تقنيات النمذجة المناسبة
الخطوات العملية:
استخدام GPT-4 Vision API
Evaluation
التقييم
تقييم النموذج والتأكد من تحقيق الأهداف
الخطوات العملية:
اختبار فهم مشاهد معقدة
Deployment
النشر
نشر النموذج في بيئة الإنتاج
الخطوات العملية:
تطبيق لوصف الصور أو OCR