Text Summarization and Content Generation with AI (NLG)

• 机器学习概念的基本知识
• 熟悉 Python 程式设计
• 使用 NLP 框架的经验

观众

• AI 开发人员
• 内容建立者
• 数据科学家

本课程探讨了自然语言生成 （NLG） 的核心概念和技术，用于文本摘要和内容生成。参与者将学习如何使用最先进的 NLG 模型和演算法来自动创建内容并生成高品质的类人文本。

这种由讲师指导的现场培训（在线或现场）面向希望获得使用 NLG 自动进行文本摘要和内容生成的实践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 NLG 用于文本摘要和内容生成的核心原则。
• 实施 NLG 模型来汇总大型文档和文章。
• 利用 GPT 等预先训练的 NLG 模型创建内容。
• 应用高级技术来微调 NLG 模型以执行特定内容生成任务。

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。

用于文本摘要和内容生成的 NLG 简介

• 自然语言生成 （NLG） 概述
• NLG 和 NLP 之间的主要区别
• NLG 在内容生成中的用例

NLG 中的文本摘要技术

• 使用 NLG 的抽取式摘要方法
• 使用 NLG 模型进行抽象总结
• 基于 NLG 的摘要的评估指标

使用 NLG 产生内容

• NLG 生成模型概述：GPT、T5 和 BART
• 训练 NLG 模型以生成文字
• 使用 NLG 生成连贯且上下文感知的文字

针对特定应用微调 NLG 模型

• 针对特定领域的任务微调 GPT 等 NLG 模型
• NLG 中的迁移学习
• 处理用于训练 NLG 模型的大型数据集

NLG 的工具和框架

• 流行的 NLG 库（Transformers、OpenAI GPT）简介
• 动手操作 Hugging Face 个 Transformer 和 OpenAI 个 API
• 构建用于内容生成的 NLG 管道

NLG 中的道德考虑

• AI 生成内容中的偏见
• 减少有害或不适当的 NLG 输出
• NLG 在内容创作中的道德影响

NLG 的未来趋势

• NLG 模型的最新进展
• 变压器对 NLG 的影响
• NLG 和自动化内容创建的未来机会

总结和后续步骤