Teilnahmeanfrage

Ziel dieses Seminars ist, den TeilnehmerInnen einen umfassenden Einblick in die Welt der natürlichen Sprachverarbeitung (NLP) zu vermitteln. In einer Zeit, in der die Kommunikation zwischen Mensch und Maschine immer wichtiger wird und Daten in Hülle und Fülle vorhanden sind, spielt NLP eine entscheidende Rolle. Es dient als Brücke, um aus unstrukturierten Textdaten sinnvolle Informationen zu extrahieren. Dieses Seminar überbrückt die Kluft zwischen theoretischem Wissen und praktischer Anwendung zu überbrücken. Es wurde speziell entwickelt, um verschiedene Tools, Plattformen und Frameworks der NLP-Industrie eingehend zu untersuchen, ihre Vor- und Nachteile zu bewerten und den Teilnehmern das praktische Know-how zu vermitteln, das sie benötigen, um in ihren jeweiligen Fachgebieten erfolgreich zu sein. 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