Natural Language Processing entscheidet maßgeblich darüber, ob Unternehmen aus unstrukturierten Textdaten verwertbare Erkenntnisse gewinnen können. Im Berufsfeld Data Science ist NLP ein eigenständiges und wachsendes Anwendungsfeld, das von Textklassifikation bis hin zu generativen Sprachmodellen reicht. Dieser Kurs behandelt die wesentlichen Methoden und Anwendungsfelder des NLP.

Kursinhalt
1. Grundlagen der Textverarbeitung und Sprachmodellierung
  • Tokenisierung, Stemming und Lemmatisierung
  • Bag-of-Words, TF-IDF und Embedding-Konzepte
  • Vorverarbeitung von Textdaten für NLP-Modelle

2. Klassifikation und Sequenzanalyse
  • Textklassifikation mit klassischen und modernen Methoden
  • Sequenzlabeling und Named Entity Recognition
  • Sentiment-Analyse und Opinion Mining

3. Transformer-Modelle und Large Language Models
  • Architekturgrundlagen von Transformer-Modellen
  • Fine-Tuning von vortrainierten Sprachmodellen
  • Einsatz von Large Language Models für Downstream-Aufgaben

4. NLP in der Praxis und Evaluation
  • Evaluation von NLP-Modellen mit geeigneten Metriken
  • Typische Fehlerquellen und Grenzen von Sprachmodellen
  • Deployment und Integration von NLP-Modellen in Anwendungen

Berufliche Relevanz
  • Data Scientist:innen erschließen Erkenntnisse aus unstrukturierten Textdaten
  • NLP-Kompetenz erweitert das methodische Repertoire für Daten jenseits numerischer Formate
  • Kenntnisse moderner Sprachmodelle verbessern die Einordnung generativer KI-Systeme