感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
用于文本摘要和内容生成的 NLG 简介
- 自然语言生成 (NLG) 概述
- NLG 和 NLP 之间的主要区别
- NLG 在内容生成中的用例
NLG 中的文本摘要技术
- 使用 NLG 的抽取式摘要方法
- 使用 NLG 模型进行抽象总结
- 基于 NLG 的摘要的评估指标
使用 NLG 产生内容
- NLG 生成模型概述:GPT、T5 和 BART
- 训练 NLG 模型以生成文字
- 使用 NLG 生成连贯且上下文感知的文字
针对特定应用微调 NLG 模型
- 针对特定领域的任务微调 GPT 等 NLG 模型
- NLG 中的迁移学习
- 处理用于训练 NLG 模型的大型数据集
NLG 的工具和框架
- 流行的 NLG 库(Transformers、OpenAI GPT)简介
- 动手操作 Hugging Face 个 Transformer 和 OpenAI 个 API
- 构建用于内容生成的 NLG 管道
NLG 中的道德考虑
- AI 生成内容中的偏见
- 减少有害或不适当的 NLG 输出
- NLG 在内容创作中的道德影响
NLG 的未来趋势
- NLG 模型的最新进展
- 变压器对 NLG 的影响
- NLG 和自动化内容创建的未来机会
总结和后续步骤
要求
- 机器学习概念的基本知识
- 熟悉 Python 程式设计
- 使用 NLP 框架的经验
观众
- AI 开发人员
- 内容建立者
- 数据科学家
21 小时