Corso di formazione Sintesi di testi e generazione di contenuti con l'AI (NLG)

Introduzione all'NLG per la sintesi di testi e la generazione di contenuti

• Panoramica sulla Generazione Automatica del Linguaggio Naturale (NLG)
• Differenze chiave tra NLG e NLP
• Casi d'uso dell'NLG nella creazione di contenuti

Tecniche di sintesi testuale nell'ambito dell'NLG

• Metodi di sintesi estrattiva basati sull'NLG
• Sintesi astrattiva mediante modelli NLG
• Metriche di valutazione per la sintesi testuale realizzata con l'NLG

Generazione di contenuti tramite l'NLG

• Presentazione dei modelli generativi NLG: GPT, T5 e BART
• Addestramento dei modelli NLG per la generazione di testo
• Produzione di testi coerenti e contestualmente appropriati grazie all'NLG

Adattamento dei modelli NLG a applicazioni specifiche

• Personalizzazione di modelli NLG come GPT per compiti settoriali specifici
• Il concetto di transfer learning nell'ambito dell'NLG
• Gestione di grandi quantità di dati per l'addestramento dei modelli NLG

Strumenti e framework utilizzabili nell'ambito dell'NLG

• Presentazione delle librerie NLG più diffuse (Transformers, OpenAI GPT)
• Applicazioni pratiche con Hugging Face Transformers e l'API di OpenAI
• Creazione di pipeline NLG finalizzate alla produzione di contenuti

Aspetti etici nell'ambito dell'NLG

• Possibilità di presenza di pregiudizi nei testi generati dall'AI
• Strategie per ridurre la comparsa di output NLG dannosi o inappropriati
• Implicazioni etiche derivanti dall'utilizzo dell'NLG nella creazione di contenuti

Tendenze future nell'ambito dell'NLG

• Sviluppi recenti nei modelli NLG
• Impatto dei modelli transformer sull'evoluzione dell'NLG
• Opportunità emergenti nell'ambito dell'NLG e della creazione automatizzata di contenuti

Sintesi finale e prossimi passi da intraprendere