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

即将举行的公开课程

课程分类