Plan Szkolenia

Przegląd zaawansowanych technik NLG

  • Przegląd podstawowych pojęć 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 określonych zadań
  • Trenowanie niestandardowych modeli z dużymi zestawami danych

Ulepszanie wyników NLG

  • Obsługa spójności i trafności w generowaniu tekstu
  • Kontrolowanie długości i zawartości tekstu przy użyciu metod NLG
  • Techniki redukcji powtórzeń i poprawy płynności

Etyczny i odpowiedzialny NLG

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

Praktyczna praca z zaawansowanymi bibliotekami NLG

  • Praca z transformatorami Hugging Face dla NLG
  • Wdrażanie 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)
  • Ludzkie metody oceny w celu zapewnienia jakości

Przyszłe trendy w NLG

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

Podsumowanie i kolejne kroki

Wymagania

  • Podstawowe zrozumienie koncepcji NLG
  • Doświadczenie w programowaniu Python
  • Znajomość modeli uczenia maszynowego

Uczestnicy

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

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie