Seminare
Seminare

AI-Powered Text Analytics - Prozesse automatisieren

Seminar - GFU Cyrus AG

Ziel ist es, die Teilnehmenden in die Lage zu versetzen, typische NLP-Aufgaben im Unternehmensumfeld selbstständig zu analysieren und mit Python prototypisch umzusetzen. Am Beispiel einer durchgängigen Service-Ticket-Fallstudie bereiten sie Texte auf, klassifizieren Anfragen, extrahieren geschäftsrelevante Angaben und prüfen die Ergebnisse auf Plausibilität. Dabei lernen sie auch die Grundprinzipien von Transformern, Embeddings und LLMs kennen.
Termin Ort Preis*
firmenintern auf Anfrage auf Anfrage
*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:
  • Tag 1 - NLP-Grundlagen und Vorbereitung der Service-Anfragen
    • Eine gemeinsame Textbasis für die Fallstudie aufbauen.
    • NLP-Aufgaben und betriebliche Anwendungsfälle: Kundenservice, Klassifikation, Informationsextraktion und Fragebeantwortung
    • Einführung in den synthetischen Service-Ticket-Datensatz; Datenimport, Textqualität und Datenschutz
    • Tokenisierung, Lemmatisierung, POS-Tagging und Named Entity Recognition mit spaCy; erste regelbasierte Merkmale
    • Praxis-Lab: Serviceanfragen einlesen, bereinigen, linguistisch analysieren und für die Verarbeitung am zweiten Tag speichern.

  • Tag 2 - Service-Tickets klassifizieren und Informationen extrahieren
    • Aus vorbereiteten Texten strukturierte Bearbeitungsdaten gewinnen.
    • Textrepräsentationen: Bag-of-Words, TF-IDF und ein Ausblick auf semantische Embeddings
    • Trainieren und Bewerten eines Ticket-Klassifikators mit scikit-learn; Precision, Recall, F1 und Fehleranalyse
    • Regeln und NER für Auftragsnummern, Anlagen, Termine, Anliegen und Prioritäten; fehlende und widersprüchliche Angaben erkennen
    • Einordnung von Attention und Transformer-Modellen; vortrainierte Modelle mit Hugging Face und PyTorch im Überblick
    • Praxis-Lab: Tickets kategorisieren, relevante Angaben extrahieren, validieren und als JSON für den Folgeprozess bereitstellen.

  • Tag 3 - LLM-basierte Fragebeantwortung und End-to-End-Pipeline
    • Die Service-Wissensbasis mit dem bisherigen Prozess verbinden.
    • LLMs und Transformer: Textgenerierung, Fragebeantwortung und Grenzen automatisch erzeugter Aussagen
    • Dokumente aus der bereitgestellten Service-Wissensbasis vektorisieren; Embeddings mit multilingual E5 und FAISS-Suche
    • Retrieval-Augmented Generation (RAG): Servicefrage, passende Dokumentpassage, Kontext und Antwortgenerierung mit Qwen
    • Integration mit der Ticket-Pipeline; Quellenanzeige, Plausibilitätsprüfung, Geschäftsregeln und menschliche Freigabe
    • Praxis-Lab: Einen eingehenden Servicefall von der Klassifikation über die Extraktion bis zum quellenbezogenen Antwortvorschlag verarbeiten; bekannte und unbeantwortbare Fragen prüfen.

Zielgruppe:

Das Seminar richtet sich an Softwareentwickler, Data Analysts, IT-Fachkräfte und technisch orientierte Mitarbeitende, die textbasierte Geschäftsprozesse mit Python automatisieren möchten. Grundkenntnisse in Python (Variablen, Funktionen und Datenstrukturen) werden vorausgesetzt; NLP-, Deep-Learning- oder LLM-Vorkenntnisse sind nicht erforderlich. Die Python-Übungen werden unter Windows mit Conda und Spyder durchgeführt. Der vorbereitete synthetische Datensatz und die Musterlösungen ermöglichen die Weiterarbeit nach dem Seminar.



Teilnahmevoraussetzungen


Für die aktive Teilnahme werden vorausgesetzt:

  • Grundkenntnisse in Python und im Umgang mit einfachen Datensätzen.
Seminarkennung:
S7454
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha