Shrnutí textu a generování obsahu pomocí umělé inteligence (NLG) Počítačový Kurz

Úvod do generování přirozeného jazyka pro shrnování textů a tvorbu obsahu

• Přehled o generování přirozeného jazyka (NLG)
• Hlavní rozdíly mezi NLG a NLP
• Příklady využití NLG při tvorbě obsahu

Techniky shrnování textů pomocí NLG

• Metody extraktivního shrnování s využitím NLG
• Abstraktivní shrnování pomocí modelů NLG
• Metriky hodnocení výsledků generování textu pomocí NLG

Generování obsahu pomocí modelů NLG

• Přehled generativních modelů NLG: GPT, T5 a BART
• Trénování modelů NLG na tvorbu textů
• Generování soudržného a kontextově vhodného obsahu pomocí NLG

Doladění modelů NLG pro specifické úlohy

• Jak přizpůsobit modely typu GPT na konkrétní doménové úkoly
• Transfer learning v rámci NLG
• Práce s velkými datovými soubory při trénování modelů NLG

Nástroje a frameworky pro práci s NLG

• Seznámení s populárními knihovnami určenými k práci s NLG (Transformers, OpenAI GPT)
• Praktické cvičení s nástroji Hugging Face Transformers a API od společnosti OpenAI
• Vytváření celých řetězců operací pro generování obsahu pomocí NLG

Etické aspekty používání modelů NLG

• Bias v textech generovaných umělou inteligencí
• Jak předcházet nevhodným či škodlivým výstupům modelů NLG
• Etické dopady využití NLG při tvorbě obsahu

Budoucí trendy v oblasti generování přirozeného jazyka

• Nedávné pokroky v modelech NLG
• Vliv architektury transformerů na vývoj NLG
• Perspektivy rozvoje NLG a automatizované tvorby obsahu

Shrnutí a další kroky