Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Visión general de técnicas avanzadas de NLG
- Revisión de conceptos básicos de NLG
- Introducción a métodos avanzados de NLG
- Papel de los transformadores en el NLG moderno
Modelos preentrenados para NLG
- Visión general de modelos preentrenados populares (GPT, BERT, T5)
- Ajuste fino de modelos preentrenados para tareas específicas
- Entrenamiento de modelos personalizados con grandes conjuntos de datos
Mejora de las salidas de NLG
- Manejo de la coherencia y relevancia en la generación de texto
- Control de la longitud y el contenido del texto mediante métodos de NLG
- Técnicas para reducir la repetición y mejorar la fluidez
NLG ético y responsable
- Comprensión de los desafíos éticos del contenido generado por IA
- Abordaje de los sesgos en los modelos de NLG
- Aseguramiento del uso responsable de la tecnología NLG
Práctica con bibliotecas avanzadas de NLG
- Trabajo con Hugging Face Transformers para NLG
- Implementación de GPT-3 y otros modelos de última generación
- Generación de contenido específico del dominio utilizando NLG
Evaluación de sistemas NLG
- Técnicas para evaluar modelos de NLG
- Métricas de evaluación automatizada (BLEU, ROUGE, METEOR)
- Métodos de evaluación humana para asegurar la calidad
Tendencias futuras en NLG
- Técnicas emergentes en la investigación de NLG
- Desafíos y oportunidades en el desarrollo de NLG
- Impacto del NLG en industrias y creación de contenido
Resumen y próximos pasos
Requerimientos
- Comprensión básica de los conceptos de NLG
- Experiencia con programación en Python
- Familiaridad con modelos de aprendizaje automático
Público Objetivo
- Científicos de datos
- Desarrolladores de IA
- Ingenieros de aprendizaje automático
14 Horas
