Kontakt aufnehmen

Schulungsübersicht

Einführung in NLG für Textzusammenfassung und Content-Generierung

  • Überblick über Natural Language Generation (NLG)
  • Wichtige Unterschiede zwischen NLG und NLP
  • Anwendungsfälle für NLG in der Content-Generierung

Techniken zur Textzusammenfassung in NLG

  • Extraktive Zusammenfassungsmethoden mit NLG
  • Abstrakte Zusammenfassung mit NLG-Modellen
  • Bewertungsmetriken für NLG-basierte Zusammenfassung

Content-Generierung mit NLG

  • Überblick über generative NLG-Modelle: GPT, T5 und BART
  • Training von NLG-Modellen für Textgenerierung
  • Generierung zusammenhängender und kontextbewusster Texte mit NLG

Feinabstimmung von NLG-Modellen für spezifische Anwendungen

  • Feinabstimmung von NLG-Modellen wie GPT für domänenspezifische Aufgaben
  • Transfer Learning in der NLG
  • Umgang mit großen Datensätzen zum Training von NLG-Modellen

Tools und Frameworks für NLG

  • Einführung in populäre NLG-Bibliotheken (Transformers, OpenAI GPT)
  • Praxis mit Hugging Face Transformers und OpenAI API
  • Aufbau von NLG-Pipelines für die Content-Generierung

Ethische Überlegungen in der NLG

  • Verzerrung (Bias) in KI-generierten Inhalten
  • Eindämmung schädlicher oder unangemessener NLG-Ausgaben
  • Ethische Implikationen der NLG bei der Content-Erstellung

Zukunftstrends in der NLG

  • Aktuelle Fortschritte in NLG-Modellen
  • Einfluss von Transformer-Modellen auf die NLG
  • Zukünftige Chancen in der NLG und automatisierten Content-Erstellung

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundkenntnisse in Machine-Learning-Konzepten
  • Vertrautheit mit Python-Programmierung
  • Erfahrung mit NLP-Frameworks

Zielgruppe

  • KI-Entwickler
  • Content-Ersteller
  • Data Scientists
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien