План на курса

Въведение в NLG за обобщаване на текст и генериране на съдържание

  • Преглед на генерирането на естествен език (NLG)
  • Основни разлики между NLG и NLP
  • Случаи на използване на NLG при генериране на съдържание

Техники за обобщаване на текст в NLG

  • Методи за извличане на обобщения с помощта на NLG
  • Абстрактивно обобщаване с NLG модели
  • Метрики за оценка за обобщаване, базирано на NLG

Генериране на съдържание с NLG

  • Преглед на генеративните модели на NLG: GPT, T5 и BART
  • Обучение на NLG модели за генериране на текст
  • Генериране на съгласуван и съобразен с контекста текст с NLG

Фина настройка на NLG модели за специфични приложения

  • Фина настройка на NLG модели като GPT за специфични за домейн задачи
  • Трансфер на обучение в NLG
  • Работа с големи набори от данни за обучение на NLG модели

Инструменти и рамки за NLG

  • Въведение в популярните NLG библиотеки (Transformers, OpenAI GPT)
  • Практически с Hugging Face Transformers и OpenAI API
  • Изграждане на NLG тръбопроводи за генериране на съдържание

Етични съображения в NLG

  • Пристрастия в съдържанието, генерирано от AI
  • Намаляване на вредните или неподходящи резултати от NLG
  • Етични последици от NLG при създаването на съдържание

Бъдещи тенденции в NLG

  • Последни подобрения в моделите на NLG
  • Влияние на трансформаторите върху NLG
  • Бъдещи възможности в NLG и автоматизирано създаване на съдържание

Обобщение и следващи стъпки

Изисквания

  • Основни познания за концепциите за машинно обучение
  • Познаване на Python програмиране
  • Опит с НЛП рамки

Публика

  • AI разработчици
  • Създатели на съдържание
  • Учени по данни
 21 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории