Seminare
Seminare
  • Seminare
  • Anbieter
  • 5 km
  • 10 km
  • 25 km
  • 50 km
  • 100 km
  • 150 km
  • 200 km
  • 300 km

Natural Language Understanding Grundkurs: Zuverlässige Text-Erkennung

Seminar - PROKODA GmbH

Natural Language Understanding Grundkurs: Zuverlässige Text-Erkennung
Termin Ort Preis*
13.04.2026- 14.04.2026 München 1.654,10 €
13.04.2026- 14.04.2026 online 1.654,10 €
06.07.2026- 07.07.2026 online 1.654,10 €
06.07.2026- 07.07.2026 München 1.654,10 €

Alle Termine anzeigen

*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:
  • NLU-Grundlagen, die Entscheidungen tragen
    • Intent, Entity, Slot, Kontext: saubere Begriffe statt Ratespiele
    • Pipeline-Denken: Tokenisierung, Embeddings, Klassifikation
    • Fehlerbilder in der Praxis: Ambiguität, OOV, Drift
  • Daten, die Modelle besser machen
    • Annotation Guidelines und Label-Design
    • Sampling, Balancing, Hard Negatives
    • Datenschutz, PII-Handling, Logging-Strategien
  • Intent Classification in der Realität
    • Baselines vs. Transformer: wann was sinnvoll ist
    • Thresholds, Abstention und Fallback-Intents
    • Hierarchische Intents und Multi-Intent-Fälle
  • Entity Recognition und Slot Filling
    • Regex, Gazetteers, CRF, Transformer-NER
    • Normalization: Datumswerte, Beträge, Produktcodes
    • Konfliktlösung: Overlaps, Prioritäten, Post-Processing
  • Evaluation, die nicht lügt
    • Intent-Metriken: Accuracy, Macro-F1, Confusion Matrix
    • Entity-Metriken: Span-F1, Partial Match, Exact Match
    • Testsets: Challenge-Sets und Regression-Tests
  • RAG, Tools und Agenten: wo NLU hineinpasst
    • NLU als Router: Query Understanding für Retrieval
    • Tool-Selection mit Intent- und Slot-Signalen
    • Guardrails: Policy-Intents und sichere Übergaben
  • Deployment und Betrieb
    • Monitoring: Drift, Outliers, neue Themen
    • Active Learning und Human-in-the-Loop
    • Versionierung von Daten, Labels und Modellen
Teilnahmevoraussetzungen:
  • Grundverständnis von Machine Learning und Klassifikation (Begriffe wie Train/Test, Overfitting).
  • Erfahrung mit Datenanalyse oder Modellnutzung ist hilfreich, aber keine Pflicht.
Zielgruppe:
  • Machine-Learning Engineers und Data Scientists, die NLU-Komponenten produktiv betreiben
  • Softwareentwicklerinnen und Softwareentwickler, die Chatbots, Search oder Agent-Workflows bauen
  • Product Owner und Tech Leads, die NLU-Anforderungen und Qualität messbar machen
  • Data- und Analytics-Verantwortliche, die Annotation und Datenstrategie steuern
  • Für alle, die Intent- und Entity-Modelle belastbar in Anwendungen integrieren wollen
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