Advanced Techniques in Natural Language Generation (NLG)

• 对 NLG 概念的基本理解
• Python 个程式设计经验
• 熟悉机器学习模型

观众

• 数据科学家
• AI 开发人员
• 机器学习工程师

本课程深入探讨自然语言生成 （NLG） 领域，重点介绍更高级的技术，例如基于 transformer 的模型、微调大型预训练模型以及评估 NLG 输出。它为中级参与者提供了为各种应用程式实施和优化 NLG 模型的实践经验。

这种由讲师指导的现场培训（在线或现场）面向希望提高使用高级 NLG 方法生成高品质、类似人类文本的技能的中级专业人员。

在本次培训结束时，参与者将能够：

• 了解生成自然语言文本的高级技术。
• 为 NLG 实施和微调基于 transformer 的模型。
• 优化 NLG 输出的流畅性、连贯性和相关性。
• 使用自动化和人工指标评估生成文本的品质。

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在即时实验室环境中动手实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们进行安排。

高级 NLG 技术概述

• 重新审视基本的 NLG 概念
• 高级 NLG 方法简介
• 变压器在现代 NLG 中的作用

NLG 的预训练模型

• 常用预训练模型（GPT、BERT、T5）概述
• 针对特定任务微调预训练模型
• 使用大型数据集训练自定义模型

提高 NLG 输出

• 处理文本生成的连贯性和相关性
• 使用 NLG 方法控制文字长度和内容
• 减少重复和提高流利度的技巧

道德和负责任的 NLG

• 了解 AI 生成内容的道德挑战
• 处理 NLG 模型中的偏差
• 确保负责任地使用 NLG 技术

高级 NLG 库的实践

• 使用 NLG 的 Hugging Face 个转换器
• 实施 GPT-3 和其他最先进的模型
• 使用 NLG 生成特定于域的内容

评估 NLG 系统

• 评估 NLG 模型的技术
• 自动评估指标（BLEU、ROUGE、METEOR）
• 用于质量保证的人工评估方法

NLG 的未来趋势

• NLG 研究中的新兴技术
• NLG 开发中的挑战和机遇
• NLG 对行业和内容创建的影响

总结和后续步骤