Weiterbildungsmodul
Natural Language Processing (NLP) and Generative AI
Die Verarbeitung von Sprache (Natural Language Processing / NLP) ist ein sehr wichtiger Teil der Informationsbeschaffung und ist deshalb eine Kerndisziplin von Data Science. NLP kombiniert die regelbasierte Modellierung der menschlichen Sprache mit statistischen, maschinellen Deep Learning Modellen. Mit Hilfe von generativer KI können Computer auf der Basis der ihnen bekannten Inhalte und der ihnen gemachten Vorgaben neue Inhalte generieren. Diese Modelle nutzen sowohl unüberwachtes als auch halbüberwachtes maschinelles Lernen.
Das Modul vermittelt fortgeschrittenes Wissen zu den Techniken der maschinellen Textverarbeitung. Dazu werden aktuelle Modelle und Methoden sowie deren technische Hintergründe vorgestellt und deren jeweiligen Anwendungsmöglichkeiten in der Sprachverarbeitung aufgezeigt. Beispiele hierfür sind Generative Adversarial Networks (GANs) und Generative Pre-trained Transformer (GPT). Die Teilnehmer lernen auf praktischer Ebene, mit Modellen wie diesen umzugehen und sie entsprechend ihrer Anwendungszwecke zu trainieren.
Präsenztermine
Gesamtlaufzeit: 19.04.2024 – 30.06.2024
Freischaltung des Moodlekurses: 19.04.2024
Präsenztermine: 26.04./27.04.2024 & 21.06.2024 (jeweils 9.00-17.00 Uhr)
Abgabe der Prüfungsleistung: 30.06.2024 (optional)
Bewerbungsfrist: beendet
Informationen zum Modul
GRUNDLAGEN:
- Einführung in das Thema NLP und Anwendungsgebiete
- Grundlagen der Sprachverarbeitung, wie Tokenisierung und Part-of-Speech-Tagging
- Methoden zur Mustererkennung und Klassifizierung von Texten
- Einsatz von Machine Learning (ML) in NLP-Systemen
- Ansätze zur Extraktion von Informationen aus unstrukturierten Textdaten
- Anwendung von NLP in verschiedenen Bereichen wie Suchmaschinen, Sprachsynthese und -erkennung, Chatbots und maschineller Übersetzung
TECHNISCHE ASPEKTE
- Data Preprocessing und Data Cleansing
- Algorithmen für typische NLP-Anwendungsgebiete
- Erstellung und Training von NLP-Modellen
- Prompt Engineering
FACHLICHE UND ORGANISATORISCHE ASPEKTE
- Qualitätssicherung von NLP-Systemen
- Governance-Aspekte für dem Einsatz in betrieblichen Anwendungsszenarien
SPRACHEN & FRAMEWORKS
- Programmierung in Python
- NLP Libraries und Frameworks (z.B. NLTK, spaCy, oder Gensim)
- Machine Learning Libraries oder Frameworks (z.B. TensorFlow oder PyTorch)
- Tools für das Preprocessing und Cleansing von textuellen Daten
Dozierender
Prof. Dr. Hendrik Meth
Professor für Big Data & Data Science
Hochschule der Medien Stuttgart
Beratung und Kontakt
Das Team des Weiterbildungszentrums
der HdM informiert Sie gerne!
Telefon: 0711 8923 3214
E-Mail: weiterbildung@hdm-stuttgart.de
