課程簡介

用於文本摘要和內容生成的 NLG 簡介

  • 自然語言生成 (NLG) 概述
  • NLG 和 NLP 之間的主要區別
  • NLG 在內容生成中的用例

NLG 中的文本摘要技術

  • 使用 NLG 的抽取式摘要方法
  • 使用 NLG 模型進行抽象總結
  • 基於 NLG 的摘要的評估指標

使用 NLG 產生內容

  • NLG 生成模型概述:GPT、T5 和 BART
  • 訓練 NLG 模型以生成文字
  • 使用 NLG 生成連貫且上下文感知的文字

針對特定應用微調 NLG 模型

  • 針對特定領域的任務微調 GPT 等 NLG 模型
  • NLG 中的遷移學習
  • 處理用於訓練 NLG 模型的大型數據集

NLG 的工具和框架

  • 流行的 NLG 庫(Transformers、OpenAI GPT)簡介
  • 動手操作 Hugging Face 個 Transformer 和 OpenAI 個 API
  • 構建用於內容生成的 NLG 管道

NLG 中的道德考慮

  • AI 生成內容中的偏見
  • 減少有害或不適當的 NLG 輸出
  • NLG 在內容創作中的道德影響

NLG 的未來趨勢

  • NLG 模型的最新進展
  • 變壓器對 NLG 的影響
  • NLG 和自動化內容創建的未來機會

總結和後續步驟

最低要求

  • 機器學習概念的基本知識
  • 熟悉 Python 程式設計
  • 使用 NLP 框架的經驗

觀眾

  • AI 開發人員
  • 內容建立者
  • 數據科學家
 21 時間:

人數


每位參與者的報價

Provisional Upcoming Courses (Require 5+ participants)

課程分類