Die Inhalte richten sich an Personen mit Grundlagen in Python, die Textdaten in Softwareprojekten nutzbar machen möchten. Im Mittelpunkt steht NLP (Natural Language Processing) als Baustein der KI-Programmierung: von sauberer Vorverarbeitung über robuste Feature-Erstellung bis zur Einbindung einfacher Modelle in Skripte und Services. Behandelt werden Tokenisierung (Zerlegung in Einheiten), Lemmatisierung (Grundform), Klassifikationsaufgaben und regelbasierte Ergänzungen. Außerdem wird gezeigt, wie NLP in modulare Python-Pipelines passt, damit Funktionen wiederverwendbar und testbar bleiben.
Inhaltsübersicht1. Vorverarbeitung - Qualität und Normalisierung2. NLP - Repräsentation und Modelle3. Integration - Python-Pipelines und Schnittstellen1. Datenvorbereitung und Qualität
- Kodierungen prüfen, Sonderzeichen und Duplikate behandeln
- Tokenisierung, Stoppwörter, Lemmatisierung vs. Stemming
- Spracherkennung und Zeichensetzung konsistent verarbeiten
2. NLP - Merkmalsextraktion und Modelle
- TF-IDF (Termgewichtung) und N-Gramme zweckmäßig nutzen
- Einfache Modelle: Naive Bayes, Logistische Regression, lineare SVM
- Fehleranalyse: Konfusionsmatrix und aussagekräftige Beispiele
3. Integration in KI-Programmierung
- Python-Pipelines strukturieren (Input→Preprocessing→Modell→Output)
- Schnittstellen: Funktionen, CLI, einfache REST-Endpunkte
- Tests, Versionierung und Reproduzierbarkeit sicherstellen