课程大纲

Introduction to Natural Language Generation (NLG)

  • 什么是 NLG?
  • NLU 和 NLG 之间的区别
  • NLG 在实际场景中的应用

基本 NLG 技术

  • 基于范本的生成
  • 用于文字生成的统计模型
  • NLG 中的机器学习简介

使用 NLG 模型

  • NLG 模型概述 (GPT, T5)
  • 在 Python 中设置基本模型
  • 使用预先训练的模型生成文字

NLG 中的挑战

  • 处理连贯性和相关性
  • 文本生成的常见问题
  • AI 生成内容中的道德注意事项

NLG 工具的实践

  • NLG 库简介 (GPT-2/3, NLTK)
  • 为特定用例生成文字
  • 评估生成的文本品质

评估 NLG 模型

  • 测量生成文本的流畅性和连贯性
  • 自动评估技术与人工评估技术
  • 提高 NLG 输出的品质

NLG 的未来趋势

  • NLG 研究中的新兴技术
  • 未来文本生成的挑战和机遇
  • NLG 对内容创建和 AI 开发的影响

总结和后续步骤

要求

  • 对程式设计概念的基本理解
  • 熟悉 Python 程式设计

观众

  • AI 初学者
  • 数据科学爱好者
  • 对 AI 生成的文字感兴趣的内容建立者
 14 小时

即将举行的公开课程

课程分类