Struttura del corso

Introduzione all'NLG per la Riepilogo del Testo e Generazione di Contenuti

  • Panoramica della Generazione di Lingua Naturale (NLG)
  • Differenze chiave tra NLG e NLP
  • Casistiche d'uso dell'NLG nella generazione di contenuti

Tecniche di Riepilogo del Testo nell'NLG

  • Metodi di riepilogo estrattivo utilizzando l'NLG
  • Riepilogo astrattivo con modelli NLG
  • Metriche di valutazione per la riepilogo basata sull'NLG

Generazione di Contenuti con l'NLG

  • Panoramica dei modelli generativi NLG: GPT, T5 e BART
  • Addestramento di modelli NLG per la generazione di testo
  • Generazione di testi coerenti ed aware del contesto con l'NLG

Ottimizzazione Fine-Grained dei Modelli NLG per Applicazioni Specifiche

  • Ottimizzazione fine-grained di modelli NLG come GPT per compiti specifici del dominio
  • Apprendimento trasferibile nell'NLG
  • Gestione di grandi set di dati per l'addestramento dei modelli NLG

Strumenti e Frameworks per l'NLG

  • Introduzione alle librerie popolari di NLG (Transformers, OpenAI GPT)
  • Pratica con Hugging Face Transformers e API OpenAI
  • Costruzione di pipeline NLG per la generazione di contenuti

Considerazioni Etiche nell'NLG

  • Bias nei contenuti generati da IA
  • Mitigazione degli output dannosi o inappropriati dell'NLG
  • Implicazioni etiche dell'NLG nella creazione di contenuti

Tendenze Future nell'NLG

  • Avanzamenti recenti nei modelli NLG
  • Impatto dei transformers sull'NLG
  • Oportunità future nell'NLG e nella creazione automatica di contenuti

Riepilogo e Passi Successivi

Requisiti

  • Conoscenza di base dei concetti di machine learning
  • Familiarità con la programmazione in Python
  • Esperienza con i framework NLP

Target

  • Sviluppatori AI
  • Creatori di contenuti
  • Scienziati dei dati
 21 Ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative