Die Teilnehmenden erwerben Kenntnisse in Methoden zur Verarbeitung natürlicher Sprache (NLP), von der Datenvorbereitung bis zur Modelloptimierung.
Automatisierte Datenpipelines für die Verarbeitung natürlicher Sprache- Sprachdaten bereinigen, normalisieren und für NLP-Modelle vorbereiten
- Effiziente Workflows entwickeln, um große Textmengen automatisiert zu verarbeiten
- Automatisierungstechniken nutzen, um NLP-Prozesse zu optimieren und zu beschleunigen
SQL für die strukturierte Analyse von Sprachdaten
- Joins und Aggregationen einsetzen, um große sprachbasierte Datensätze zu analysieren
- Optimierte Abfragen erstellen, um NLP-Modelle mit relevanten Daten zu versorgen
- Datenbanken gezielt für maschinelle Sprachverarbeitung anpassen
Interaktive Visualisierung sprachbasierter Analysen mit Power BI
- Dynamische Dashboards entwickeln, um NLP-Ergebnisse nachvollziehbar darzustellen
- DAX-Funktionen nutzen, um sprachbezogene Kennzahlen berechenbar zu machen
- Aussagekräftige Berichte erstellen, um datengetriebene Erkenntnisse in NLP verständlich zu kommunizieren
Modelltraining und Optimierung für Natural Language Processing
- Muster und semantische Strukturen in Texten identifizieren und analysieren
- Feature Engineering anwenden, um die Genauigkeit von NLP-Modellen zu verbessern
- Textklassifikation, Sentiment-Analyse und Named Entity Recognition trainieren und evaluieren