課程簡介

AI 驅動型 NLG 簡介

  • 自然語言生成 (NLG) 概述
  • NLG 在對話式 AI 系統中的作用
  • NLU 和 NLG 之間的主要區別

Deep Learning NLG 技術

  • Transformer 和預訓練語言模型
  • 用於對話生成的訓練模型
  • 處理對話中的長期依賴關係

聊天機器人框架和 NLG

  • 將 NLG 與聊天機器人平臺(例如 Rasa、BotPress)集成
  • 為聊天機器人生成個人化回應
  • 通過情境化 AI 提高用戶參與度

用於虛擬助手的高級 NLG 模型

  • 使用 GPT-3、BERT 和其他尖端模型
  • 使用 AI 生成多回合對話
  • 提高虛擬助理回應的流暢度和自然度

道德和實踐考慮

  • AI 生成內容中的偏見以及如何減輕偏見
  • 確保聊天機器人交互的透明度和可信度
  • 虛擬助手的隱私和安全注意事項

NLG 系統的評估和優化

  • 評估 NLG 品質:BLEU、ROUGE 和人工評估
  • 針對即時應用程式優化和優化 NLG 性能
  • 針對特定領域的用例調整 NLG

NLG 和 Conversational AI 的未來趨勢

  • NLG 自我監督學習的新興技術
  • 利用多模態 AI 進行更具互動性的對話
  • 情境感知對話式 AI 的進步

總結和後續步驟

最低要求

  • 對 Natural Language Processing (NLP) 概念有深入的理解
  • 機器學習和 AI 模型經驗
  • 熟悉 Python 程式設計

觀眾

  • AI 開發人員
  • 聊天機器人設計師
  • 虛擬助理工程師
 21 時間:

人數


每位參與者的報價

Provisional Upcoming Courses (Require 5+ participants)

課程分類