Advanced Techniques in Natural Language Generation (NLG)

• 對 NLG 概念的基本理解
• Python 個程式設計經驗
• 熟悉機器學習模型

觀眾

• 數據科學家
• AI 開發人員
• 機器學習工程師

本課程深入探討自然語言生成 （NLG） 領域，重點介紹更高級的技術，例如基於 transformer 的模型、微調大型預訓練模型以及評估 NLG 輸出。它為中級參與者提供了為各種應用程式實施和優化 NLG 模型的實踐經驗。

這種由講師指導的現場培訓（在線或現場）面向希望提高使用高級 NLG 方法生成高品質、類似人類文本的技能的中級專業人員。

在本次培訓結束時，參與者將能夠：

• 瞭解生成自然語言文本的高級技術。
• 為 NLG 實施和微調基於 transformer 的模型。
• 優化 NLG 輸出的流暢性、連貫性和相關性。
• 使用自動化和人工指標評估生成文本的品質。

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在即時實驗室環境中動手實施。

課程自定義選項

• 要申請本課程的定製培訓，請聯繫我們進行安排。

高級 NLG 技術概述

• 重新審視基本的 NLG 概念
• 高級 NLG 方法簡介
• 變壓器在現代 NLG 中的作用

NLG 的預訓練模型

• 常用預訓練模型（GPT、BERT、T5）概述
• 針對特定任務微調預訓練模型
• 使用大型數據集訓練自定義模型

提高 NLG 輸出

• 處理文本生成的連貫性和相關性
• 使用 NLG 方法控制文字長度和內容
• 減少重複和提高流利度的技巧

道德和負責任的 NLG

• 瞭解 AI 生成內容的道德挑戰
• 處理 NLG 模型中的偏差
• 確保負責任地使用 NLG 技術

高級 NLG 庫的實踐

• 使用 NLG 的 Hugging Face 個轉換器
• 實施 GPT-3 和其他最先進的模型
• 使用 NLG 生成特定於域的內容

評估 NLG 系統

• 評估 NLG 模型的技術
• 自動評估指標（BLEU、ROUGE、METEOR）
• 用於質量保證的人工評估方法

NLG 的未來趨勢

• NLG 研究中的新興技術
• NLG 開發中的挑戰和機遇
• NLG 對行業和內容創建的影響

總結和後續步驟