Kursplan

Introduksjon til NLG for tekstoppsummering og innholdsgenerering

  • Oversikt over Natural Language Generation (NLG)
  • Viktige forskjeller mellom NLG og NLP
  • Brukssaker for NLG i innholdsgenerering

Tekstoppsummeringsteknikker i NLG

  • Ekstraktive oppsummeringsmetoder ved bruk av NLG
  • Abstraktiv oppsummering med NLG-modeller
  • Evalueringsberegninger for NLG-basert oppsummering

Innholdsgenerering med NLG

  • Oversikt over NLG generative modeller: GPT, T5 og BART
  • Opplæring av NLG-modeller for tekstgenerering
  • Generer sammenhengende og kontekstbevisst tekst med NLG

Finjustering av NLG-modeller for spesifikke bruksområder

  • Finjustering av NLG-modeller som GPT for domenespesifikke oppgaver
  • Overfør læring i NLG
  • Håndtering av store datasett for opplæring av NLG-modeller

Verktøy og rammer for NLG

  • Introduksjon til populære NLG-biblioteker (Transformers, OpenAI GPT)
  • Hands-on med Hugging Face Transformers og OpenAI API
  • Bygge NLG-pipelines for innholdsgenerering

Etiske hensyn i NLG

  • Bias i AI-generert innhold
  • Redusere skadelige eller upassende NLG-utganger
  • Etiske implikasjoner av NLG i innholdsskaping

Fremtidige trender i NLG

  • Nylige fremskritt i NLG-modeller
  • Påvirkning av transformatorer på NLG
  • Fremtidige muligheter innen NLG og automatisert innholdsskaping

Sammendrag og neste trinn

Krav

  • Grunnleggende kunnskap om maskinlæringskonsepter
  • Kjennskap til Python programmering
  • Erfaring med NLP-rammeverk

Publikum

  • AI-utviklere
  • Innholdsskapere
  • Dataforskere
 21 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories