Schulungsübersicht

Überblick über fortgeschrittene NLG-Techniken

  • Wiederholung der grundlegenden NLG-Konzepte
  • Einführung in fortgeschrittene NLG-Methoden
  • Die Rolle von Transformatoren in moderner NLG

Vorgefertigte Modelle für NLG

  • Überblick über gängige vortrainierte Modelle (GPT, BERT, T5)
  • Feinabstimmung vortrainierter Modelle für spezifische Aufgaben
  • Training eigener Modelle mit großen Datensätzen

Verbesserung von NLG-Ergebnissen

  • Umgang mit Kohärenz und Relevanz bei der Texterstellung
  • Kontrolle von Textlänge und -inhalt mit NLG-Methoden
  • Techniken zur Reduzierung von Wiederholungen und zur Verbesserung des Redeflusses

Ethische und verantwortungsvolle NLG

  • Verstehen der ethischen Herausforderungen von KI-generierten Inhalten
  • Umgang mit Verzerrungen in NLG-Modellen
  • Sicherstellung des verantwortungsvollen Einsatzes von NLG-Technologie

Praktische Übungen mit fortgeschrittenen NLG-Bibliotheken

  • Arbeiten mit Hugging Face-Transformatoren für NLG
  • Implementierung von GPT-3 und anderen modernen Modellen
  • Generierung domänenspezifischer Inhalte mit NLG

NLG-Systeme auswerten

  • Techniken zur Evaluierung von NLG-Modellen
  • Automatisierte Bewertungsmetriken (BLEU, ROUGE, METEOR)
  • Menschliche Bewertungsmethoden zur Qualitätssicherung

Zukünftige Trends in NLG

  • Aufkommende Techniken in der NLG-Forschung
  • Herausforderungen und Chancen in der NLG-Entwicklung
  • Auswirkungen von NLG auf die Industrie und die Erstellung von Inhalten

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis von NLG-Konzepten
  • Erfahrung mit Python-Programmierung
  • Vertrautheit mit Modellen des maschinellen Lernens

Zielgruppe

  • Datenwissenschaftler
  • KI-Entwickler
  • Ingenieure für maschinelles Lernen
 14 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien