Kursbeschreibung
Das Seminar gibt dir einen Einblick in die natürliche Sprachverarbeitung (Natural Language Processing, NLP). Die Kommunikation zwischen Mensch und Maschine wird immer wichtiger, und gleichzeitig entstehen immer mehr Textdaten. NLP hilft dabei, aus diesen unstrukturierten Texten nützliche Informationen zu gewinnen.
Das Seminar verbindet theoretische Grundlagen mit praktischer Anwendung. Du lernst verschiedene Werkzeuge, Plattformen und Programme aus der NLP-Branche kennen und bewertest deren Vor- und Nachteile. Dadurch erhältst du praxisnahes Wissen, das du direkt in deinem Arbeitsbereich einsetzen kannst.
Für Unternehmen organisieren wir außerdem individuelle KI-Schulungen. Diese Firmen- oder Inhouse-Trainings passen wir speziell an dein Team an. Termine, Ort, Dauer und Inhalte werden individuell abgestimmt. Deine maßgeschneiderte KI-Schulung kann online, vor Ort oder hybrid stattfinden.
Die wichtigsten Themen im Überblick
- NLP-Grundlagen verstehen
- Textklassifikation anwenden
- Sentiment-Analyse umsetzen
- BERT und GPT einordnen
- spaCy und NLTK nutzen
- Chatbots mit RASA planen
Zielgruppe
Voraussetzung für die Schulung
Kursinhalte
- Einführung in die Natürliche Sprachverarbeitung (NLP)
- Definition von NLP und seine Anwendungsgebiete
- Bedeutung von NLP im modernen Technologiebereich
- Entwicklung von NLP: Von frühen regelbasierten Systemen zu statistischen Methoden und Deep Learning
- Grundlagen des maschinellen Lernens in NLP
- Erläuterung von Supervised Learning mit Beispielen
- Unsupervised Learning: Clustering und Dimensionenreduktion
- Semi-supervised und Reinforcement Learning in Bezug auf NLP
- Typische NLP-Aufgaben
- Übersicht über Textklassifikation, Sentiment-Analyse, Named Entity * Recognition (NER) und Part-of-Speech Tagging
- Maschinelles Übersetzen und Frage-Antwort-Systeme
- Aktuelle Trends in NLP
- Transfer Learning und vorab trainierte Modelle
- Zero-Shot und Few-Shot Learning
- Multimodale Modelle und Cross-modal Learning
- NLP-Tools und Frameworks
- NLTK (Natural Language Toolkit): Funktionen, Anwendungsfälle und Grenzen
- Spacy: Funktionen, Vorteile im Vergleich zu NLTK und Integration
- Transformers (von Hugging Face): Einführung, Modelle und Community
- BERT (Bidirectional Encoder Representations from Transformers): Funktionsweise, Anwendungsfälle und Variationen
- GPT (Generative Pre-trained Transformer): Unterschiede zu BERT, Anwendungsfälle und Innovationen
- AllenNLP: Überblick, Funktionen und Integration
- Watson Natural Language Understanding: Kernfunktionen, APIs und Anwendungen
- Google Cloud Natural Language API: Einführung, Hauptfeatures und Best Practices
- FastText: Funktionsweise, Textklassifikation, Community und Ressourcen
- RASA für Chatbots und Konversationen: Konzept, Architektur, Best * Practices und Tipps
- Workshops und Hands-on-Sessions
- Auswahl eines NLP-Problems und passender Frameworks
- Datenverarbeitung, Modelltraining, Evaluation und Optimierung
- Best Practices in NLP
- Datenbeschaffung und -aufbereitung
- Modelltraining, Hyperparameter-Tuning und Regularisierung
- Deployment und Wartung von NLP-Systemen
- Zukünftige NLP-Trends
- Forschungstrends, Auswirkungen von NLP auf andere Wissenschaftsbereiche sowie gesellschaftliche und wirtschaftliche Implikationen
