Kursplan

Översikt över avancerade NLG-tekniker

  • En återblick över grundläggande NLG-begrepp
  • Introduktion till avancerade NLG-metoder
  • Transformatorernas roll i modern NLG

Förtränade modeller för NLG

  • Översikt över populära förtränade modeller (GPT, BERT, T5)
  • Finjustera förtränade modeller för specifika uppgifter
  • Träna anpassade modeller med stora datamängder

Förbättra NLG-resultaten

  • Hantera sammanhang och relevans i textgenerering
  • Styra textlängd och innehåll med hjälp av NLG-metoder
  • Tekniker för att minska upprepning och förbättra flytet

Etisk och ansvarsfull NLG

  • Förstå de etiska utmaningarna med AI-genererat innehåll
  • Att hantera fördomar i NLG-modeller
  • Säkerställa ansvarsfull användning av NLG-teknik

Hands-On med avancerade NLG-bibliotek

  • Arbeta med Hugging Face transformatorer för NLG
  • Implementering av GPT-3 och andra toppmoderna modeller
  • Generera domänspecifikt innehåll med hjälp av NLG

Utvärdering av NLG-system

  • Tekniker för att utvärdera NLG-modeller
  • Automatiserade utvärderingsmått (BLEU, ROUGE, METEOR)
  • Metoder för utvärdering av människor för kvalitetssäkring

Framtida trender inom NLG

  • Nya tekniker inom NLG-forskning
  • Utmaningar och möjligheter inom NLG-utveckling
  • NLG:s inverkan på branscher och innehållsskapande

Sammanfattning och nästa steg

Krav

  • Grundläggande förståelse för NLG-begrepp
  • Erfarenhet av Python programmering
  • Kunskaper om maskininlärningsmodeller

Publik

  • Datavetare
  • AI-utvecklare
  • Ingenjörer inom maskininlärning
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier