Kurzusleírás

Bevezetés az NLG-be szövegösszesítéshez és tartalomgeneráláshoz

  • A természetes nyelvek generálásának áttekintése (NLG)
  • Főbb különbségek az NLG és az NLP között
  • Az NLG használati esetei a tartalomgenerálásban

Szövegösszegzési technikák NLG nyelven

  • Kivonatos összegzési módszerek NLG használatával
  • Absztrakt összefoglalás NLG modellekkel
  • Értékelési mérőszámok az NLG-alapú összesítéshez

Tartalomgenerálás NLG-vel

  • Az NLG generatív modellek áttekintése: GPT, T5 és BART
  • NLG modellek képzése szöveggeneráláshoz
  • Koherens és kontextus-tudatos szöveg generálása az NLG segítségével

NLG modellek finomhangolása meghatározott alkalmazásokhoz

  • Az NLG modellek, például a GPT finomhangolása tartományspecifikus feladatokhoz
  • Transzfer tanulás NLG nyelven
  • Nagy adathalmazok kezelése NLG modellek betanításához

Eszközök és keretek az NLG számára

  • Bevezetés a népszerű NLG-könyvtárakba (Transformers, OpenAI GPT)
  • Gyakorlati gyakorlat a Hugging Face Transformers és az OpenAI API segítségével
  • NLG-folyamatok építése tartalomgeneráláshoz

Etikai megfontolások az NLG-ben

  • Elfogultság az AI által generált tartalomban
  • A káros vagy nem megfelelő NLG kimenetek mérséklése
  • Az NLG etikai vonatkozásai a tartalomkészítésben

Jövőbeli trendek az NLG-ben

  • Az NLG modellek legújabb fejlesztései
  • A transzformátorok hatása az NLG-re
  • Jövőbeli lehetőségek az NLG-ben és az automatizált tartalomkészítésben

Összegzés és a következő lépések

Követelmények

  • A gépi tanulási koncepciók alapismeretei
  • Ismerkedés a Python programozással
  • NLP keretrendszerekkel kapcsolatos tapasztalat

Közönség

  • AI fejlesztők
  • Tartalomkészítők
  • Adattudósok
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák