聯繫我們

課程簡介

用於文本摘要和內容生成的 NLG 介紹

  • 自然語言生成 (NLG) 概述
  • NLG 與 NLP 的關鍵差異
  • NLG 在內容生成中的應用場景

NLG 中的文本摘要技術

  • 使用 NLG 的抽取式摘要方法
  • 使用 NLG 模型的抽象式摘要
  • NLG 基於摘要的評估指標

NLG 的內容生成

  • NLG 生成模型概述:GPT、T5 和 BART
  • 為文本生成訓練 NLG 模型
  • 使用 NLG 生成連貫且具上下文感知能力的文本

針對特定應用微調 NLG 模型

  • 為領域特定任務微調像 GPT 這樣的 NLG 模型
  • NLG 中的遷移學習
  • 處理用於訓練 NLG 模型的大型數據集

NLG 的工具與框架

  • 流行 NLG 庫介紹(Transformers、OpenAI GPT)
  • 實作 Hugging Face Transformers 和 OpenAI API
  • 為內容生成構建 NLG 管道

NLG 中的道德考量

  • AI 生成內容中的偏見
  • 減輕有害或不適當的 NLG 輸出
  • NLG 在內容創建中的道德影響

NLG 的未來趨勢

  • NLG 模型的最新進展
  • Transformer 對 NLG 的影響
  • NLG 和自動化內容創建的未來機會

總結與下一步

最低要求

  • 基本機器學習概念知識
  • 熟悉 Python 編程
  • 具備 NLP 框架使用經驗

受眾

  • AI 開發人員
  • 內容創作者
  • 數據科學家
 21 小時

課程分類