Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à la NLG pour le résumé de texte et la génération de contenu
- Vue d'ensemble de la Génération de Langage Naturel (NLG)
- Principales différences entre la NLG et le traitement du langage naturel (NLP)
- Cas d'utilisation de la NLG pour la génération de contenu
Techniques de résumé de texte en NLG
- Méthodes de résumé extractionniste utilisant la NLG
- Résumé abstractionniste avec des modèles NLG
- Métriques d'évaluation pour le résumé basé sur la NLG
Génération de contenu avec la NLG
- Vue d'ensemble des modèles génératifs NLG : GPT, T5 et BART
- Entraînement de modèles NLG pour la génération de texte
- Génération de texte cohérent et conscient du contexte avec la NLG
Affinement des modèles NLG pour des applications spécifiques
- Affinement des modèles NLG comme GPT pour des tâches spécifiques au domaine
- Apprentissage par transfert en NLG
- Gestion de grands ensembles de données pour l'entraînement de modèles NLG
Outils et frameworks pour la NLG
- Introduction aux bibliothèques NLG populaires (Transformers, OpenAI GPT)
- Prise en main des Transformers de Hugging Face et de l'API OpenAI
- Construction de pipelines NLG pour la génération de contenu
Considérations éthiques en NLG
- Biais dans le contenu généré par l'IA
- Atténuation des sorties NLG nuisibles ou inappropriées
- Implications éthiques de la NLG dans la création de contenu
Tendances futures en NLG
- Avancements récents dans les modèles NLG
- Impact des transformers sur la NLG
- Opportunités futures dans la NLG et la création automatisée de contenu
Résumé et prochaines étapes
Pré requis
- Connaissance de base des concepts d'apprentissage automatique
- Familiarité avec la programmation Python
- Expérience avec des frameworks de traitement du langage naturel (NLP)
Public visé
- Développeurs en IA
- Créateurs de contenu
- Data scientists
21 Heures
