Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do NLG w zakresie podsumowywania tekstu i generowania treści
- Przegląd Natural Language Generation (NLG)
- Kluczowe różnice między NLG a NLP
- Zastosowania NLG w generowaniu treści
Techniki podsumowywania tekstu w NLG
- Metody ekstrakcyjnego podsumowywania z wykorzystaniem NLG
- Abstrakcyjne podsumowywanie z modelami NLG
- Metryki oceny podsumowań opartych na NLG
Generowanie treści z wykorzystaniem NLG
- Przegląd generatywnych modeli NLG: GPT, T5 i BART
- Trenowanie modeli NLG do generowania tekstu
- Generowanie spójnego i kontekstowego tekstu z NLG
Dostosowywanie modeli NLG do konkretnych zastosowań
- Dostosowywanie modeli NLG, takich jak GPT, do zadań specyficznych dla domeny
- Transfer learning w NLG
- Praca z dużymi zbiorami danych do trenowania modeli NLG
Narzędzia i frameworki do NLG
- Wprowadzenie do popularnych bibliotek NLG (Transformers, OpenAI GPT)
- Praktyczne zastosowanie Hugging Face Transformers i OpenAI API
- Tworzenie pipeline'ów NLG do generowania treści
Zagadnienia etyczne w NLG
- Błąd w treściach generowanych przez AI
- Minimalizowanie szkodliwych lub nieodpowiednich wyników NLG
- Etyczne implikacje NLG w tworzeniu treści
Przyszłe trendy w NLG
- Ostatnie postępy w modelach NLG
- Wpływ transformerów na NLG
- Przyszłe możliwości w NLG i automatyzacji tworzenia treści
Podsumowanie i kolejne kroki
Wymagania
- Podstawowa wiedza na temat uczenia maszynowego
- Znajomość programowania w Pythonie
- Doświadczenie w korzystaniu z frameworków NLP
Grupa docelowa
- Programiści AI
- Twórcy treści
- Data scientist
21 godzin