Grundlagen
Ich dachte, Text aufzuteilen wäre simpel. Dann kam Unicode, Subwörter und kontextabhängige Trennungen. Hier zeige ich, was ich bei meinem ersten Tokenizer gelernt habe.
Weiterlesen
Methoden
Named Entity Recognition braucht normalerweise Tausende annotierte Beispiele. Ich beschreibe einen Weg mit Transfer Learning, der mit 200 Sätzen funktioniert.
Weiterlesen Anwendung
Ein Unternehmen wollte 15.000 Kundenkommentare verstehen. Ich baute einen Klassifizierer, der positive, negative und neutrale Stimmung mit 86% Genauigkeit erkennt.
WeiterlesenPraktische Fähigkeiten, die Sie sofort einsetzen können. Keine Theorie ohne Anwendung.
In unserem Hauptkurs starten Sie mit unstrukturiertem Text und bauen Schritt für Schritt ein System, das Sprache versteht. Sie arbeiten mit echten Datensätzen, debuggen Fehler und optimieren Performance. Am Ende haben Sie ein Portfolio-Projekt, das zeigt, was Sie können.
BERT, GPT, T5 – diese Namen kennt jeder. Aber wie funktionieren sie wirklich? Dieser Kurs zeigt Ihnen die Architektur hinter Attention-Mechanismen. Sie lernen, vortrainierte Modelle für spezifische Aufgaben anzupassen und dabei Rechenzeit zu sparen.
Wir verwenden Cookies, um Ihre Erfahrung zu verbessern. Sie können Ihre Einstellungen jederzeit anpassen.
Diese Cookies sind für die Grundfunktionen der Website erforderlich.
Speichern Ihre Einstellungen und Präferenzen für zukünftige Besuche.
Helfen uns zu verstehen, wie Besucher mit der Website interagieren.
Werden verwendet, um relevante Werbung anzuzeigen.