Plan du cours

Introduction to Natural Language Generation (NLG)

  • Qu'est-ce que le NLG ?
  • Différence entre NLU et NLG
  • Applications du NLG dans des scénarios réels

Techniques de base du NLG

  • Génération basée sur des modèles
  • Modèles statistiques pour la génération de texte
  • Introduction à l'apprentissage automatique dans le NLG

Travailler avec des modèles de NLG

  • Vue d'ensemble des modèles de NLG (GPT, T5)
  • Mise en place de modèles de base dans Python
  • Génération de texte à l'aide de modèles pré-entraînés

Défis du NLG

  • Gestion de la cohérence et de la pertinence
  • Problèmes courants dans la génération de texte
  • Considérations éthiques sur le contenu généré par l'IA

Travaux pratiques avec les outils NLG

  • Introduction aux bibliothèques NLG (GPT-2/3, NLTK)
  • Générer du texte pour des cas d'utilisation spécifiques
  • Évaluation de la qualité du texte généré

Évaluation des modèles NLG

  • Mesurer la fluidité et la cohérence du texte généré
  • Techniques d'évaluation automatisées ou humaines
  • Amélioration de la qualité des résultats du NLG

Tendances futures du NLG

  • Techniques émergentes dans la recherche sur le NLG
  • Défis et opportunités pour la génération de textes à l'avenir
  • Impact du NLG sur la création de contenu et le développement de l'IA

Résumé et prochaines étapes

Pré requis

  • Compréhension de base des concepts de programmation
  • Familiarité avec la programmation Python.

Public

  • Débutants en IA
  • Adeptes de la science des données
  • Créateurs de contenu intéressés par les textes générés par l'IA
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires