Natural Language Processing Kurs

Das Seminar gibt einen Einblick in die natürliche Sprachverarbeitung, kurz NLP. Die Kommunikation zwischen Mensch und Maschine wird immer wichtiger und es gibt sehr viele Textdaten. NLP hilft als Brücke, aus diesen unstrukturierten Texten nützliche Informationen zu gewinnen.

Das Seminar verbindet die Theorie mit der praktischen Anwendung. Die Teilnehmer untersuchen verschiedene Werkzeuge, Plattformen und Programme aus der NLP-Branche. Sie bewerten deren Vor- und Nachteile. So erhalten die Teilnehmer das praktische Wissen, das sie für ihre Arbeit in ihrem Fachgebiet brauchen.

Für Unternehmen organisieren wir individuelle Künstliche Intelligenz-Schulungen. Diese Firmen- oder Inhouse-Trainings passen wir für Ihr Team an. Termine, Ort, Dauer und Inhalte erfolgen nach Absprache. Ihre maßgeschneiderte KI-Schulung findet online, vor Ort oder hybrid statt.

• 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

Grundkenntnisse in der Programmierung, insbesondere in Python, da viele NLP-Tools und -Bibliotheken in dieser Sprache geschrieben sind.

Datenwissenschaftler und Analysten, Softwareentwickler, Produktmanager und Entscheidungsträger, UX-Designer und Entwickler von Chatbots