Schulungsübersicht
Einführung in die Erzeugung natürlicher Sprache (NLG)
- Überblick über NLG und seine Anwendungen
- Verstehen der NLG-Pipeline
- Einführung in Python Bibliotheken für NLG
Datenerfassung und -aufbereitung
- Sammeln von Daten aus verschiedenen Quellen
- Reinigen und Vorverarbeiten von Textdaten
- Organisieren von Inhalten für die Generierung
Sprachmodellierung für NLG
- Einführung in Sprachmodelle
- Training eines Sprachmodells für die Textgenerierung
- Feinabstimmung von Sprachmodellen mit SpaCy und NLTK
Satzplanung und Textstrukturierung
- Planung der Satzstruktur und des Inhaltsflusses
- Verwendung von Vorlagen für die Textgenerierung
- Anpassen der Textstruktur auf Basis von Anwendungsfällen
Inhaltsgenerierung und Nachbearbeitung
- Generierung von Text aus strukturierten Daten
- Auswertung und Verfeinerung der generierten Inhalte
- Nachbearbeitung und Formatierung der Ausgabe
Fortgeschrittene NLG-Techniken
- Verwendung neuronaler Netze zur Texterzeugung (z. B. GPT-Modelle)
- Umgang mit Kontext und Kohärenz im generierten Text
- Erforschung von realen Anwendungen und Fallstudien
Abschlussprojekt: Aufbau eines NLG-Systems
- Definition eines Projektumfangs
- Aufbau und Einsatz eines NLG-Systems
- Testen und Auswerten des Systems
Zusammenfassung und nächste Schritte
Voraussetzungen
- Python Programmiererfahrung
Zielgruppe
- Entwickler
- Datenwissenschaftler
Erfahrungsberichte (2)
Praktische Übungen zum Inhalt helfen wirklich, jedes Thema besser zu verstehen. Außerdem ist es gut und hilfreich, die Kurse mit einer Vorlesung zu beginnen und dann mit praktischen Übungen fortzusetzen, um den vorgestellten Stoff besser einordnen zu können.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Kurs - Introduction to Data Science and AI using Python
Maschinelle Übersetzung
Beispiele/Übungen, die perfekt auf unser Fachgebiet abgestimmt sind
Luc - CS Group
Kurs - Scaling Data Analysis with Python and Dask
Maschinelle Übersetzung