Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione a NLG per il riassunto del testo e la generazione di contenuti
- Panoramica sulla generazione del linguaggio naturale (NLG)
- Principali differenze tra NLG e NLP
- Casi d'uso per NLG nella generazione di contenuti
Tecniche di riassunto del testo in NLG
- Metodi di sintesi estrattiva utilizzando NLG
- Riassunto astratto con modelli NLG
- Metriche di valutazione per il riepilogo basato su NLG
Generazione di contenuti con NLG
- Panoramica dei modelli generativi NLG: GPT, T5 e BART
- Addestramento di modelli NLG per la generazione di testo
- Generazione di testi coerenti e sensibili al contesto con NLG
Messa a punto dei modelli NLG per applicazioni specifiche
- Ottimizzazione di modelli NLG come GPT per attività specifiche del dominio
- Trasferisci l'apprendimento in NLG
- Gestione di set di dati di grandi dimensioni per l'addestramento di modelli NLG
Strumenti e framework per NLG
- Introduzione alle librerie NLG più diffuse (Transformers, OpenAI GPT)
- Hands-on con Hugging Face Transformers e OpenAI API
- Creazione di pipeline NLG per la generazione di contenuti
Considerazioni etiche in NLG
- Bias nei contenuti generati dall'intelligenza artificiale
- Mitigare gli output NLG dannosi o inappropriati
- Implicazioni etiche dell'NLG nella creazione di contenuti
Tendenze future in NLG
- Recenti progressi nei modelli NLG
- Impatto dei trasformatori su NLG
- Opportunità future nell'NLG e nella creazione automatizzata di contenuti
Riepilogo e passaggi successivi
Requisiti
- Conoscenza di base dei concetti di machine learning
- Familiarità con la programmazione Python
- Esperienza con i framework NLP
Pubblico
- Sviluppatori di intelligenza artificiale
- Creatori di contenuti
- Scienziati dei dati
21 ore
