Návrh Školení

Úvod do NLG pro shrnuta textu a generování obsahu

  • Přehled generace přirozeného jazyka (NLG)
  • Klíčové rozdíly mezi NLG a NLP
  • Užití NLG v generování obsahu

Techniky shrnuta textu v NLG

  • Extraktivní metody shrnuta pomocí NLG
  • Abstraktivní shrnuto s modely NLG
  • Hodnotící metriky pro NLG-založené shrnuta

Generování obsahu pomocí NLG

  • Přehled generativních modelů NLG: GPT, T5 a BART
  • Trénování modelů NLG pro generování textu
  • Generování srozumitelného a kontextově vědomého textu pomocí NLG

Vylepšování modelů NLG pro konkrétní aplikace

  • Vylepšování modelů NLG jako je GPT pro doménově specifické úkoly
  • Transferové učení v NLG
  • Správa velkých datových sad pro trénování modelů NLG

Nástroje a rámce pro NLG

  • Úvod do populárních knihoven NLG (Transformers, OpenAI GPT)
  • Praktické cvičení s Hugging Face Transformers a API od OpenAI
  • Vytváření NLG potrubí pro generování obsahu

Etické aspekty v NLG

  • Bias v AI-generovaném obsahu
  • Zmírňování škodlivých nebo nevhodných výstupů NLG
  • Etické důsledky NLG v tvorbě obsahu

Budoucí trendy v NLG

  • Aktuální pokroky v modely NLG
  • Vliv transformátorů na NLG
  • Budoucí příležitosti v NLG a automatické tvorbě obsahu

Shrnutí a další kroky

Požadavky

  • Základní znalosti konceptů strojového učení
  • Příznivnost v programování Python
  • Zkušenosti s rámci pro NLP (slovní zpracování)

Cílová skupina

  • Vývojáři umělé inteligence
  • Tvůrci obsahu
  • Data vědci
 21 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie