Plan Szkolenia

Przegląd zaawansowanych technik NLG

  • Powtórzenie podstawowych koncepcji NLG
  • Wprowadzenie do zaawansowanych metod NLG
  • Rola transformatorów w nowoczesnym NLG

Wstępnie wytrenowane modele dla NLG

  • Przegląd popularnych wstępnie wytrenowanych modeli (GPT, BERT, T5)
  • Dostrajanie wstępnie wytrenowanych modeli do konkretnych zadań
  • Trenowanie własnych modeli na dużych zbiorach danych

Poprawa wyników NLG

  • Zarządzanie spójnością i relewancją w generowaniu tekstu
  • Kontrolowanie długości i treści tekstu przy użyciu metod NLG
  • Techniki redukcji powtórzeń i poprawy płynności

Etyczne i odpowiedzialne NLG

  • Zrozumienie etycznych wyzwań związanych z treściami generowanymi przez AI
  • Radzenie sobie z uprzedzeniami w modelach NLG
  • Zapewnienie odpowiedzialnego korzystania z technologii NLG

Praktyczne zastosowanie zaawansowanych bibliotek NLG

  • Praca z Hugging Face Transformers dla NLG
  • Implementacja GPT-3 i innych najnowocześniejszych modeli
  • Generowanie treści specyficznych dla domeny przy użyciu NLG

Ocena systemów NLG

  • Techniki oceny modeli NLG
  • Zautomatyzowane metryki oceny (BLEU, ROUGE, METEOR)
  • Metody oceny przez ludzi w celu zapewnienia jakości

Przyszłe trendy w NLG

  • Nowe techniki w badaniach nad NLG
  • Wyzwania i możliwości w rozwoju NLG
  • Wpływ NLG na branże i tworzenie treści

Podsumowanie i kolejne kroki

Wymagania

  • Podstawowa znajomość koncepcji NLG
  • Doświadczenie w programowaniu w Pythonie
  • Znajomość modeli uczenia maszynowego

Grupa docelowa

  • Naukowcy zajmujący się danymi
  • Programiści AI
  • Inżynierowie uczenia maszynowego
 14 godzin

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie