感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
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