Open Source AI: Podsumowywanie tekstu i NER z Python

Dane tekstowe są wszędzie, ale wyodrębnianie kluczowych informacji i skracanie długich treści może być dużym wyzwaniem. Ten kurs daje Ci możliwość zautomatyzowania tych złożonych zadań przy użyciu narzędzi sztucznej inteligencji typu open-source. Pod koniec tego kursu będziesz posiadać praktyczne umiejętności wdrażania skutecznych rozwiązań do podsumowywania tekstu oraz rozpoznawania nazw własnych (NER), co pozwoli Ci wyciągać cenne wnioski z nieustrukturyzowanych danych tekstowych. Czego się nauczysz: * Zrozumieć podstawowe zasady przetwarzania języka naturalnego (NLP), podsumowywania tekstu oraz rozpoznawania nazw własnych (NER). * Nauczyć się poruszać po bibliotece Hugging Face Transformers i wykorzystywać ją do różnorodnych zastosowań NLP. * Stosować wstępnie przeszkolone modele do abstrakcyjnego i ekstrakcyjnego podsumowywania tekstu. * Wdrażać rozpoznawanie nazw własnych (NER) w celu dokładnego identyfikowania i oznaczania kluczowych informacji, takich jak imiona i nazwiska, lokalizacje oraz organizacje. * Przećwiczyć podstawowe techniki oceny modeli oraz kwestie etyczne w NLP. * Poznać podstawowe koncepcje inżynierii podpowiedzi (prompt engineering) do kierowania modelami generowania tekstu w kontekście podsumowywania. Ten kurs rozpoczyna się od podstawowych koncepcji NLP, a następnie stopniowo wprowadza w praktyczne wdrożenia przy użyciu Pythona i ekosystemu Hugging Face. Będziesz przechodzić od zrozumienia typów modeli do ich zastosowania w rzeczywistych danych tekstowych. Ten kurs jest przeznaczony dla absolutnych początkujących w dziedzinie przetwarzania języka naturalnego i Pythona. Nie jest wymagane żadne wcześniejsze doświadczenie w zakresie sztucznej inteligencji, uczenia maszynowego ani zaawansowanego programowania. Rozpocznij swoją przygodę z praktyczną sztuczną inteligencją do przetwarzania tekstu już dziś.