课程大纲

高级 NLG 技术概述

  • 重新审视基本的 NLG 概念
  • 高级 NLG 方法简介
  • 变压器在现代 NLG 中的作用

NLG 的预训练模型

  • 常用预训练模型(GPT、BERT、T5)概述
  • 针对特定任务微调预训练模型
  • 使用大型数据集训练自定义模型

提高 NLG 输出

  • 处理文本生成的连贯性和相关性
  • 使用 NLG 方法控制文字长度和内容
  • 减少重复和提高流利度的技巧

道德和负责任的 NLG

  • 了解 AI 生成内容的道德挑战
  • 处理 NLG 模型中的偏差
  • 确保负责任地使用 NLG 技术

高级 NLG 库的实践

  • 使用 NLG 的 Hugging Face 个转换器
  • 实施 GPT-3 和其他最先进的模型
  • 使用 NLG 生成特定于域的内容

评估 NLG 系统

  • 评估 NLG 模型的技术
  • 自动评估指标(BLEU、ROUGE、METEOR)
  • 用于质量保证的人工评估方法

NLG 的未来趋势

  • NLG 研究中的新兴技术
  • NLG 开发中的挑战和机遇
  • NLG 对行业和内容创建的影响

总结和后续步骤

要求

  • 对 NLG 概念的基本理解
  • Python 个程式设计经验
  • 熟悉机器学习模型

观众

  • 数据科学家
  • AI 开发人员
  • 机器学习工程师
 14 小时

即将举行的公开课程

课程分类