Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в NLG за обобщаване на текст и генериране на съдържание
- Преглед на генерирането на естествен език (NLG)
- Ключови разлики между NLG и NLP
- Случаи на употреба на NLG в генерирането на съдържание
Техники за обобщаване на текст в NLG
- Методи за екстрактивно обобщаване чрез NLG
- Абстрактивно обобщаване с NLG модели
- Метрики за оценка на обобщаване, базирано на NLG
Генериране на съдържание с NLG
- Преглед на генеративни NLG модели: GPT, T5 и BART
- Обучение на NLG модели за генериране на текст
- Генериране на свързан и контекстуално осъзнат текст с NLG
Фина настройка на NLG модели за специфични приложения
- Фина настройка на NLG модели като GPT за задачи в специфични области
- Трансферно обучение в NLG
- Работа с големи набори от данни за обучение на NLG модели
Инструменти и рамки за NLG
- Въведение в популярни NLG библиотеки (Transformers, OpenAI GPT)
- Практическа работа с Hugging Face Transformers и OpenAI API
- Изграждане на NLG потоци за генериране на съдържание
Етични съображения при NLG
- Пристрастия в генерираното от ИИ съдържание
- Смекчаване на вредни или неподходящи резултати от NLG
- Етични последици от NLG в създаването на съдържание
Бъдещи тенденции в NLG
- Последни постижения в NLG моделите
- Влияние на трансформърите върху NLG
- Бъдещи възможности в NLG и автоматизираното създаване на съдържание
Обобщение и следващи стъпки
Изисквания
- Основни познания по концепции за машинно обучение
- Запознатост с програмирането на Python
- Опит с NLP рамки
Аудитория
- ИИ разработчици
- Създатели на съдържание
- Специалисти по данни
21 Часа
