Struttura del corso

Introduction to Natural Language Generation (NLG)

  • Che cos'è NLG?
  • Differenza tra NLU e NLG
  • Applicazioni di NLG in scenari reali

Tecniche NLG di base

  • Generazione basata su modelli
  • Modelli statistici per la generazione di testo
  • Introduzione all'apprendimento automatico in NLG

Lavorare con i modelli NLG

  • Panoramica dei modelli NLG (GPT, T5)
  • Impostazione dei modelli di base in Python
  • Generazione di testo utilizzando modelli pre-addestrati

Sfide in NLG

  • Gestione della coerenza e della pertinenza
  • Problemi comuni nella generazione di testo
  • Considerazioni etiche nei contenuti generati dall'intelligenza artificiale

Hands-on con gli strumenti NLG

  • Introduzione alle librerie NLG (GPT-2/3, NLTK)
  • Generazione di testo per casi d'uso specifici
  • Valutazione della qualità del testo generato

Valutazione dei modelli NLG

  • Misurare la fluidità e la coerenza nel testo generato
  • Tecniche di valutazione automatizzate e tecniche di valutazione umana
  • Miglioramento della qualità dei prodotti NLG

Tendenze future in NLG

  • Tecniche emergenti nella ricerca NLG
  • Sfide e opportunità per la futura generazione di testo
  • Impatto dell'NLG sulla creazione di contenuti e sullo sviluppo dell'intelligenza artificiale

Riepilogo e passaggi successivi

Requisiti

  • Conoscenza di base dei concetti di programmazione
  • Familiarità con la programmazione Python

Pubblico

  • Principianti dell'IA
  • Appassionati di scienza dei dati
  • Creatori di contenuti interessati al testo generato dall'intelligenza artificiale
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative