Kurzusleírás

Bevezetés az NLG-be a szövegösszefoglalás és tartalomgenerálás területén

  • A Természetes Nyelv Generálás (NLG) áttekintése
  • Az NLG és az NLP közötti főbb különbségek
  • NLG alkalmazási területei a tartalomgenerálásban

Szövegösszefoglalási technikák az NLG-ben

  • Kivonatoló összefoglalási módszerek NLG-vel
  • Absztraktív összefoglalás NLG modellekkel
  • Értékelési metrikák NLG-alapú összefoglaláshoz

Tartalomgenerálás NLG-vel

  • NLG generatív modellek áttekintése: GPT, T5 és BART
  • NLG modellek betanítása szöveggeneráláshoz
  • Koherens és kontextusérzékeny szöveg generálása NLG-vel

NLG modellek finomhangolása specifikus alkalmazásokhoz

  • NLG modellek, például a GPT finomhangolása területspecifikus feladatokhoz
  • Transfer learning az NLG-ben
  • Nagy adathalmazok kezelése NLG modellek betanításához

Eszközök és keretrendszerek az NLG-hez

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

Etikai megfontolások az NLG-ben

  • Elfogultság az AI által generált tartalmakban
  • Káros vagy nem megfelelő NLG kimenetek mérséklése
  • Etikai implikációk az NLG használatában a tartalomkészítés során

Jövőbeli trendek az NLG-ben

  • Legújabb fejlemények az NLG modellek területén
  • A transzformerek hatása az NLG-re
  • Jövőbeli lehetőségek az NLG-ben és az automatizált tartalomkészítésben

Összefoglalás és következő lépések

Követelmények

  • Alapvető ismeretek a gépi tanulás alapfogalmairól
  • Python programozás ismerete
  • Tapasztalat NLP keretrendszerekben

Közönség

  • AI fejlesztők
  • Tartalomkészítők
  • Adattudósok
 21 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák