Programa do Curso

Introdução ao NLG para Resumos de Texto e Geração de Conteúdo

  • Visão geral da Geração de Linguagem Natural (NLG)
  • Principais diferenças entre NLG e NLP
  • Casos de uso do NLG na geração de conteúdo

Técnicas de Resumo de Texto em NLG

  • Métodos de resumos extractivos usando NLG
  • Sumarização abstrativa com modelos NLG
  • Métricas de avaliação para sumarização baseada em NLG

Geração de Conteúdo com NLG

  • Visão geral dos modelos gerativos NLG: GPT, T5 e BART
  • Treinamento de modelos NLG para geração de texto
  • Gerar textos coerentes e conscientes do contexto com NLG

Ajuste Fino dos Modelos NLG para Aplicações Específicas

  • Ajuste fino de modelos NLG como o GPT para tarefas específicas do domínio
  • Transferência de aprendizado em NLG
  • Manipulação de grandes conjuntos de dados para treinamento de modelos NLG

Ferramentas e Frameworks para NLG

  • Introdução às bibliotecas populares de NLG (Transformers, OpenAI GPT)
  • Mão na massa com Hugging Face Transformers e API do OpenAI
  • Construção de pipelines NLG para geração de conteúdo

Considerações Éticas em NLG

  • Viés no conteúdo gerado por IA
  • Mitigação de saídas prejudiciais ou inadequadas do NLG
  • Implicações éticas do NLG na criação de conteúdo

Tendências Futuras em NLG

  • Avanços recentes em modelos NLG
  • Impacto dos transformers no NLG
  • Oportunidades futuras em NLG e criação de conteúdo automatizada

Resumo e Próximos Passos

Requisitos

  • Conhecimento básico de conceitos de aprendizado de máquina
  • Familiaridade com programação em Python
  • Experiência com frameworks de processamento de linguagem natural (NLP)

Público-alvo

  • Desenvolvedores de IA
  • Criadores de conteúdo
  • Cientistas de dados
 21 Horas

Próximas Formações Provisórias

Categorias Relacionadas