Natural Language Processing Grundkurs: Plattformen und Frameworks im Überblick

Grundlagen der natürlichen Sprachverarbeitung

• Begriffsklärung und typische Einsatzfelder
• Textdaten als unstrukturierte Informationsquelle
• Regelbasierte Verfahren und linguistische Ansätze
• Statistische Methoden und Machine Learning
• Deep Learning für Sprachverarbeitung

Machine Learning für NLP-Aufgaben

• Supervised Learning für Textklassifikation
• Unsupervised Learning und Clustering
• Semi-supervised Learning in NLP-Szenarien
• Trainingsdaten, Testdaten und Overfitting
• Evaluation mit passenden Metriken

Typische NLP-Anwendungsfälle

• Textklassifikation und Topic-Erkennung
• Sentiment-Analyse und Stimmungsbewertung
• Named Entity Recognition und Tagging
• Part-of-Speech Tagging und Parsing
• Maschinelle Übersetzung und Summarization
• Frage-Antwort-Systeme und semantische Suche

Frameworks, Bibliotheken und Plattformen

• NLTK für Analyse und Lehre
• spaCy für produktionsnahe Pipelines
• Hugging Face Transformers und Modelle
• BERT-Varianten und Encoder-Modelle
• GPT-Ansätze und generative Modelle
• FastText für Klassifikation und Embeddings

Cloud-NLP und Conversational AI

• Google Cloud Natural Language API
• IBM Watson Natural Language Understanding
• Rasa für Chatbots und Dialoge
• LLM-gestützte Assistants und Routing
• API-Auswahl und Integrationskriterien

Umsetzung, Bewertung und Betrieb

• Datenbeschaffung und Textaufbereitung
• Feature Engineering und Embeddings
• Modelltraining und Hyperparameter-Tuning
• Fehleranalyse und Modellvergleich
• Deployment, Monitoring und Wartung
• Datenschutz und fachliche Grenzen

• Grundkenntnisse in Python, idealerweise ergänzt durch den Python Aufbaukurs
• Basiswissen in Datenanalyse und Datenaufbereitung
• Grundverständnis von Machine Learning, Trainingsdaten, Testdaten und Modellbewertung
• Interesse an Textdaten, Sprachmodellen und datengetriebenen Anwendungen

• Datenwissenschaftlerinnen, Datenwissenschaftler und Analysten mit Bedarf an Textanalyse, Klassifikation oder Informationsextraktion
• Softwareentwicklerinnen und Softwareentwickler, die NLP-Funktionen in Anwendungen, APIs oder Datenpipelines integrieren
• Produktmanagerinnen, Produktmanager und technische Entscheider, die Potenziale, Grenzen und Tool-Auswahl für NLP-Projekte bewerten
• UX-Designerinnen, UX-Designer und Chatbot-Verantwortliche an der Schnittstelle von Dialogdesign, NLP und Conversational AI