Plan Szkolenia
Wprowadzenie do generowania języka naturalnego (NLG)
- Przegląd NLG i jego zastosowań
- Zrozumienie procesu NLG
- Wprowadzenie do bibliotek Pythona do NLG
Zbieranie i przygotowanie danych
- Zbieranie danych z różnych źródeł
- Czyszczenie i przetwarzanie wstępne danych tekstowych
- Organizowanie treści do generowania
Modelowanie języka dla NLG
- Wprowadzenie do modeli językowych
- Trenowanie modelu językowego do generowania tekstu
- Dostosowywanie modeli językowych przy użyciu SpaCy i NLTK
Planowanie zdań i strukturyzacja tekstu
- Planowanie struktury zdań i przepływu treści
- Używanie szablonów do generowania tekstu
- Dostosowywanie struktury tekstu na podstawie przypadków użycia
Generowanie treści i przetwarzanie końcowe
- Generowanie tekstu ze strukturyzowanych danych
- Ocena i poprawianie generowanych treści
- Przetwarzanie końcowe i formatowanie wyników
Zaawansowane techniki NLG
- Używanie sieci neuronowych do generowania tekstu (np. modele GPT)
- Zarządzanie kontekstem i spójnością w generowanym tekście
- Eksploracja rzeczywistych zastosowań i studiów przypadków
Projekt końcowy: Budowa systemu NLG
- Definiowanie zakresu projektu
- Budowa i wdrożenie systemu NLG
- Testowanie i ocena systemu
Podsumowanie i kolejne kroki
Wymagania
- Doświadczenie w programowaniu w Pythonie
Odbiorcy
- Programiści
- Naukowcy zajmujący się danymi
Opinie uczestników (2)
Zajeczia praktyczne związane z treścią naprawdę pomagają lepiej zrozumieć każdy temat. Ponadto, styl rozpoczęcia zajęć od wykładu i kontynuowania praktycznymi ćwiczeniami jest dobry i pomocny do połączenia się z wcześniejszym wykładem.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Szkolenie - Introduction to Data Science and AI using Python
Przetłumaczone przez sztuczną inteligencję
Przykłady/ćwiczenia doskonale dostosowane do naszej dziedziny
Luc - CS Group
Szkolenie - Scaling Data Analysis with Python and Dask
Przetłumaczone przez sztuczną inteligencję