聯繫我們

課程簡介

高階 NLG 技術概述

  • 回顧基本的 NLG 概念
  • 介紹高階 NLG 方法
  • Transformer 在現代 NLG 中的角色

用於 NLG 的預訓練模型

  • 流行預訓練模型的概述(GPT, BERT, T5)
  • 針對特定任務微調預訓練模型
  • 使用大型數據集訓練自訂模型

改善 NLG 輸出

  • 處理文本生成中的連貫性與相關性
  • 利用 NLG 方法控制文本長度與內容
  • 減少重複並提升流暢度的技術

倫理與負責任的 NLG

  • 理解 AI 生成內容的倫理挑戰
  • 應對 NLG 模型中的偏見問題
  • 確保 NLG 技術的負責任使用

實作高階 NLG 函式庫

  • 使用 Hugging Face Transformers 進行 NLG
  • 實作 GPT-3 及其他最先進模型
  • 使用 NLG 生成領域特定內容

評估 NLG 系統

  • 評估 NLG 模型的技術
  • 自動化評估指標(BLEU, ROUGE, METEOR)
  • 用於品質保證的人工評估方法

NLG 的未來趨勢

  • NLG 研究中的新興技術
  • NLG 開發面臨的挑戰與機會
  • NLG 對產業及內容創作的影響

總結與後續步驟

最低要求

  • 具備基本的 NLG 概念理解
  • 具有 Python 程式設計經驗
  • 熟悉機器學習模型

受眾

  • 數據科學家
  • 人工智慧開發人員
  • 機器學習工程師
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類