KKC_0045 | Natural Language Processing Grundkurs: Plattformen und Frameworks im Überblick

In diesem Seminar bauen Sie ein solides Fundament auf und arbeiten an verständlichen Praxisbeispielen. Im Mittelpunkt stehen die zentralen Funktionen, Chancen, Grenzen und Praxisanwendungen des jeweiligen KI-Themas. Sie lernen typische Einsatzszenarien kennen, bewerten Chancen und Grenzen und übertragen die Inhalte auf konkrete Aufgaben aus dem Arbeitsalltag.

Praxisnahe Übungen, Beispiele und Leitfragen helfen Ihnen, das Thema strukturiert, sicher und nachvollziehbar anzuwenden.

• Grundbegriffe und typische Aufgaben im Natural Language Processing verstehen
• Plattformen, Frameworks und Werkzeuge für NLP-Anwendungen vergleichen
• Einsatzfelder wie Klassifikation, Extraktion, Suche und Zusammenfassung einordnen
• Chancen, Grenzen und Qualitätsanforderungen von NLP-Lösungen bewerten
• Praxisbeispiele auf eigene Text- und Sprachdaten übertragen
• Leitfragen für Toolauswahl, Datenbasis und Umsetzung ableiten

Das Seminar richtet sich an Fach- und IT-Teams, Data-Interessierte, Projektverantwortliche und Entscheider/innen, die NLP-Anwendungen fachlich bewerten möchten.

Grundlegende Programmierkenntnisse (Python) sind nützlich. Ein Interesse an KI, Textanalyse oder digitalen Prozessen werden vorausgesetzt.

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