Kurzusleírás

Haladó NLG technikák áttekintése

  • Az alapvető NLG fogalmak áttekintése
  • Bevezetés a haladó NLG módszerekbe
  • A transzformátorok szerepe a modern NLG-ben

Előre betanított modellek NLG-hez

  • Népszerű előre betanított modellek áttekintése (GPT, BERT, T5)
  • Előre betanított modellek finomhangolása specifikus feladatokhoz
  • Egyedi modellek képzése nagy adathalmazokkal

NLG kimenetek javítása

  • Koherencia és relevancia kezelése szöveg generálásában
  • Szöveg hosszának és tartalmának szabályozása NLG módszerekkel
  • Ismétlődés csökkentése és folyékonyság javítása technikái

Etikai és felelős NLG

  • Az AI által generált tartalmak etikai kihívásainak megértése
  • Az NLG modellekben rejlő elfogultságok kezelése
  • Az NLG technológia felelős használatának biztosítása

Gyakorlás haladó NLG könyvtárakkal

  • Munka a Hugging Face Transzformátorokkal NLG-hez
  • GPT-3 és más legmodernebb modellek implementálása
  • Tartományspecifikus tartalom generálása NLG segítségével

NLG rendszerek értékelése

  • NLG modellek értékelésének technikái
  • Automatizált értékelési metrikák (BLEU, ROUGE, METEOR)
  • Emberi értékelési módszerek a minőségbiztosítás érdekében

Jövőbeli trendek az NLG-ben

  • Új technikák az NLG kutatásában
  • Kihívások és lehetőségek az NLG fejlesztésében
  • Az NLG hatása az iparágakra és a tartalomkészítésre

Összefoglalás és következő lépések

Követelmények

  • Alapvető ismeretek az NLG fogalmairól
  • Tapasztalat Python programozásban
  • Ismeret a gépi tanulási modellek területén

Közönség

  • Adattudósok
  • AI fejlesztők
  • Gépi tanulási mérnökök
 14 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák