Natural Language Processing (NLP) Seminar

Schulung in Textverarbeitung mit Python (Machine Learning, Deep Learning, ChatGPT)

Dieser dreitägig Kurs (jeweils von 9 bis 15 Uhr) vermittelt die Grundlagen des Natural Language Processing (NLP):

Umgang mit linguistischen Daten: linguistische Vorverarbeitung, Datenbereinigung, Annotation
Grundlagen der statistischen NLP: Textklassifikation mit Bag-of-Words und Feature-Engineering
Fortgeschrittene NLP-Verfahren wie Tagging-Modelle, Sequenz-zu-Sequenz-Modelle und Transformer-Modelle (BERT, GPT2, T5)
Grundlagen vom ChatGPT-Modell und Prompt Engineering
Vielfältige praxisrelevante Aufgabenstellungen: Sentimentanalyse, Informationextraktion, Textzusammenfassung, Übersetzung und Chatbots
Einführung in gängige NLP-Bibliotheken: Spacy, Tensorflow/Keras sowie Huggingface Transformers

Dieser dreitägig Kurs (jeweils von 9 bis 15 Uhr) vermittelt die Grundlagen des Natural Language Processing (NLP):

Umgang mit linguistischen Daten: linguistische Vorverarbeitung, Datenbereinigung, Annotation
Grundlagen der statistischen NLP: Textklassifikation mit Bag-of-Words und Feature-Engineering
Fortgeschrittene NLP-Verfahren wie Tagging-Modelle, Sequenz-zu-Sequenz-Modelle und Transformer-Modelle (BERT, GPT2, T5)
Grundlagen vom ChatGPT-Modell und Prompt Engineering
Vielfältige praxisrelevante Aufgabenstellungen: Sentimentanalyse, Informationextraktion, Textzusammenfassung, Übersetzung und Chatbots
Einführung in gängige NLP-Bibliotheken: Spacy, Tensorflow/Keras sowie Huggingface Transformers

(*) zzgl. MwSt (**) inkl. MwSt

Termin (3 Tage zu 6h)	Ort	Belegung	Preise
Mi 12.06 - Fr 14.06.24	Live-Online Zoom Meeting		1.250,00 € () 1.487,50 € (*)	BUCHEN
Mi 27.11 - Fr 29.11.24	Live-Online Zoom Meeting		1.250,00 € () 1.487,50 € (*)	BUCHEN

Inhouse-/Firmenschulung:

Kundenbewertungen & Erfahrungen zu Enable AI. Mehr Infos anzeigen.

Kurs auf einen Blick

Über die Schulung

Dauer: 3 Tage zu 6h (9-15Uhr)
Gruppengröße: 3-10
Level: Anfänger mit Programmiererfahrung
Anteil Coding: 60%
Sprache: Python
Bibliotheken: scikit-learn, spacy, transformers, Keras/Tensorflow
Skript: .pdf (Theorie, Aufgaben & Lösungen)

Ihr Trainer für den Kurs

Dr. Christian Scheible

Kursinhalte auf einen Blick

Grundlagen der NLP
Vorverarbeitung von Textdaten
Textklassifikation (supervised learning)
Linguistische Features
Wortvektoren (word2vec, glove, …)
Deep-Learning-Verfahren / Neuronale Netze
Chat-GPT und Prompt Engineering
Transformer Modelle (BERT, GPT2, T5)
Textgenerierung
Transferlearning mit vortrainierten Modellen
Schulung mit GPUs + GPU Setup danach nutzbar

Beschreibung des NLP Seminars

Natural Language Processing (NLP) ist allgegenwärtig in unserem täglichen Leben in vielerlei Anwendungen. Hierzu zählen:

Rechtschreibkontrollsysteme
Spam-Filter
Suchmaschinen
persönliche Assistenzsysteme in Autos oder Smartphones
Übersetzungssysteme
Chatbots
intelligent platzierte Online-Werbung
Recommender-Systeme (Vorschläge ähnlicher Produkte)

und viele mehr. Der Kurs Natural Language Processing führt die Teilnehmer durch verschiedene Verfahren der maschinellen Sprachverarbeitung. Der Kurs vermittelt theoretische Grundlagen unterstützt durch praktische Übungen in vielseitigen Anwendungsbereichen. Wir beginnen mit einer Einführung in die Grundlagen der NLP. Hierzu gehört der Umgang mit linguistischen Daten (Vorverarbeitung, Bereinigung, Annotation). Danach behandeln wir klassische NLP-Verfahren basierend auf Methoden des überwachten und unüberwachten maschinellen Lernens und der Statistik. In diesem Abschnitt liegt der Schwerpunkt auf der Vorverarbeitung von Sprachdaten (linguistische Analyse, z.B. zur Extraktion der Wort- oder Satzstruktur) sowie der Merkmalsextraktion aus Text. Schließlich gehen wir auf Deep-Learning-Verfahren zur Sprachverarbeitung ein. Hier werden Ansätze vorgestellt, die automatisiert mathematische Repräsentationen von Text generieren und dadurch die Generalisierung gelernter Modelle verbessern. Hierzu kommen spezielle neuronale Netze zum Einsatz, die eigens für die Sprachverarbeitung entwickelt wurden, sog. Transfomer (insbesondere BERT, GPT2 und T5). Diese haben in den letzten Jahren für eine Revolution im NLP-Bereich gesorgt und haben die Performance der bisherigen Modelle maßgeblich gesteigert.

Natural Language Processing (NLP) ist allgegenwärtig in unserem täglichen Leben in vielerlei Anwendungen. Hierzu zählen:

Rechtschreibkontrollsysteme
Spam-Filter
Suchmaschinen
persönliche Assistenzsysteme in Autos oder Smartphones
Übersetzungssysteme
Chatbots
intelligent platzierte Online-Werbung
Recommender-Systeme (Vorschläge ähnlicher Produkte)

Was lernen Sie im Natural Language Processing Kurs?

Diese Schulung vermittelt die Grundlagen der maschinellen Sprachverarbeitung mit dem Ziel, dass jeder Teilnehmer nach Abschluss das Gelernte selbständig auf eigene NLP-Probleme anwenden kann.

Am Anfang stehen linguistische Vorverarbeitungsschritte, die oft notwendig sind, um Textdaten für eine maschinelle Verarbeitung tauglich zu machen. Danach trainieren wir Machine-Learning-Modelle für verschiedene Anwendungsfälle, z.B.

Semantische Analyse
Sentiment Analysis
Textzusammenfassung
Maschinelle Übersetzung
Informationextraktion
Chatbots
ChatGPT, Prompt Engineering

Durchgeführt werden die Übungen in Python unter Verwendung von kostenlosen Standardbibliotheken: wir nutzen spacy zur Vorverarbeitung von Texten und zur klassischen statistischen Modellierung. Im Bereich des Deep-Learnings verwenden wir Keras/TensorFlow sowie Huggingface Transformer. Die Entwicklung erfolgt online in Jupyter Notebooks mit GPU-Unterstützung wenn nötig.

Diese Schulung vermittelt die Grundlagen der maschinellen Sprachverarbeitung mit dem Ziel, dass jeder Teilnehmer nach Abschluss das Gelernte selbständig auf eigene NLP-Probleme anwenden kann.

Am Anfang stehen linguistische Vorverarbeitungsschritte, die oft notwendig sind, um Textdaten für eine maschinelle Verarbeitung tauglich zu machen. Danach trainieren wir Machine-Learning-Modelle für verschiedene Anwendungsfälle, z.B.
- Semantische Analyse
- Sentiment Analysis
- Textzusammenfassung
- Maschinelle Übersetzung
- Informationextraktion
- Chatbots
- ChatGPT, Prompt Engineering
Durchgeführt werden die Übungen in Python unter Verwendung von kostenlosen Standardbibliotheken: wir nutzen spacy zur Vorverarbeitung von Texten und zur klassischen statistischen Modellierung. Im Bereich des Deep-Learnings verwenden wir Keras/TensorFlow sowie Huggingface Transformer. Die Entwicklung erfolgt online in Jupyter Notebooks mit GPU-Unterstützung wenn nötig.

Besonderheit dieser Schulung

Insbesondere für die Algorithmen des Deep Learnings ist eine GPU wichtig. Daher rechnet jeder Teilnehmer in der Cloud auf einer eigenen NVIDIA Tesla P100 GPU, um die Neuronalen Netze im Bereich computer vision in Keras eigenständig programmieren und trainieren zu können. Der Zugang erfolgt im Seminar über den Webbrowser. So können typische Fragestellungen und Probleme, die in der realen, industriellen Umsetzung beim Rechnen mit GPUs auftreten, behandelt werden.

Vergleichen Sie unser Seminarangebot. Andere Schulungen mit Neuronalen Netzen bieten gar keine oder nur low-performance GPUs für die Teilnehmer.

Damit Sie direkt nach dem Kurs experimentieren können und das Gelernte weiter vertiefen können, übertragen wir Ihnen das komplette Seminar-Setup kostenlos (europäischer GPU-Host, Datenspeicherung in Europa, Linux Server), wobei Sie zusätzlich noch eine Woche GPU-Rechenzeit für den Einstieg erhalten (Kostenlose Registrierung beim GPU-Host notwendig. Sie erhalten ein Startguthaben, das etwa 30 h GPU-Rechenzeit entspricht. Die genaue Zeit variiert nach aktueller Preislage des GPU-Anbieters.).

Vergleichen Sie unser Seminarangebot. Andere Schulungen mit Neuronalen Netzen bieten gar keine oder nur low-performance GPUs für die Teilnehmer.

Rezensionen auf Google

5,0 ★★★★★ (30 Rezensionen)

Ich habe an einem einwöchigen Kurs über Deep Learning teilgenommen. Die Kursmaterialien sind sehr gut und vollständig ausgearbeitet. Außerdem haben das Skript und auch der Kurs insgesamt eine sehr gute Struktur. Der Tutor ist sehr engagiert …

Super Seminar ! (...) Die Inhalte waren sehr gut gegliedert und wurden absolut verständlich vermittelt. Insgesamt hat die Kombination aus theoretischen Inhalten und praktischen Übungen ein ganzheitliches Verständnis ermöglicht ...

Sehr gutes Verhältnis aus Information und Zeit, sehr gute persönliche Ansprache, sehr angenehmer Vortrag ohne viel Bla-Bla. Insgesamt absolut zufrieden.

Sehr hilfreicher Kurs um die praktischen basics von Künstlicher Intelligenz und neuronalen Netzwerken zu lernen. Theorie und Praxis in schneller Abwechslung um die gelernten Konzepte umzusetzen und zu üben ...

Ein toller Kurs, durchgeführt mit geballter Expertise und einer Engelsgeduld bei der Beantwortung von Fragen und Behebung von Problemen. Ich habe in diesen drei Tagen enorm viel gelernt, ...

Voriger

Alle Google Bewertungen

Kursinhalte

Organisatorisches

FAQ

Tag 1

Tag 2

Tag 3

09:00 – 09:15

Begrüßung und Organisatorisches

Vorstellungsrunde
Erwartungen der Teilnehmer
Einrichtung der Jupyter-Notebooks

09:15 – 10:45

Grundlagen der NLP mit Spacy

Überblick über praxisrelevante linguistische Problemstellungen
Linguistische Verarbeitungsebenen (Morphologie, Syntax, Semantik) und Grundprobleme der linguistischen Analyse (z.B. Mehrdeutigkeiten)
Verfahren zur Vorverarbeitung in Spacy: Part-of-Speech-Tagging, Lemmatisierung, Erkennung von Eigennamen (NER: Named Entity Recognition), Syntaktische Analyse (Dependenzparsing)

10:45 – 11:00

Kaffeepause

11:00 – 12:30

Annotation und Bereinigung von Textdaten

Annotationswerkzeuge (z.B. Doccano)
Datenbereinigung in Python
Kurze Einführung in Pandas (optional)

12:30 – 13:30

Mittagspause

13:30 - 15:00

Überwachte Verfahren zur Textklassifikation

Einführung zu statistischen Lernverfahren
Kurze Einführung in Pandas (optional)
Featurerepräsentation von Text (Bag of Words)
Übung: Intent-Klassifikation für Chatbots

09:00 – 09:15

Rückblick und offene Fragen von Tag 1

09:15 – 10:45

Wortvektoren (Embeddings) mit word2vec und Glove

Motivation und Anwendungsfälle für Wortvektoren
Theoretischer Hintergrund: word2vec/Glove-Modell
Übung: Training von Wortvektoren zur Bestimmung semantischer Ähnlichkeit von Wörtern

10:45 – 11:00

Kaffeepause

11:00 – 12:30

Modellierung

Theorie: Neuronale Netze für NLP
Einführung in Tensorflow/Keras
Übung: Automatische Kategorisierung von Kundensupportanfragen

12:30 – 13:30

Mittagspause

13:30 - 15:00

Sequenzmodelle für Tagging

Sequenzmodelle zur Klassifikation von Tokens (z.B. POS-Tagging)
LSTM-Modell und Varianten (Bidirektional, Stacked) in Keras
Übung: Extraktion von Produktmerkmalen zur Sentimentanalyse

09:00 – 09:15

Rückblick und offene Fragen von Tag 2

09:15 – 10:45

Transformer-Modelle (BERT, GPT2, T5)

Theoretischer Hintergrund zu Transformer-Modellen
Einführung in Huggingface/Transformers
Übung: Vortrainierte Modelle in Keras für verschiedene Anwendungsfälle (z.B. Question-Answering, Übersetzung)

10:45 – 11:00

Kaffeepause

11:00 – 12:30

Text-zu-Text-Generierung

Theorie: Übersetzung, Zusammenfassung und verwandte Anwendungsfälle
Übung: Textzusammenfassung

12:30 – 13:30

Mittagspause

13:30 - 15:00

ChatGPT

Einführung des ChatGPT-Modell
Anwendungsbereiche von ChatGPT
Prompt Engineering

Zielgruppe des Natural Language Processing Kurses

Diese Natural Language Processing (NLP) Schulung mit Einblick in ChatGPT und Prompt Engineering ist für technisch interessierte Fachkräfte, welche die Sprachverarbeitung mit Python mit Deep Learning Algorithmen erlernen möchten. In der Arbeit möchten Sie Deep Learning Algorithmen in Keras (Tensorflow) programmieren und trainieren können. Nebenbei lernen Sie in der Schulung den Umgang mit GPUs.

Voraussetzungen für den Natural Language Processing KI Kurs

Grundkenntnisse in Python oder solide Erfahrung in einer anderen Programmiersprache werden vorausgesetzt. Erste einfache Erfahrung mit Textdaten ist notwendig. Folgende Kenntnisse sind sehr hilfreich: Eine Funktion in Python schreiben, for-Schleife, Laden von Python-Modulen, einen einfachen Plot mit Matplotlib erstellen, Grundfunktionen der Numpy-Bibliothek.

Sehr empfehlenswert sind außerdem grundlegende Vorkenntnisse im Bereich der Statistik (Mittelwert, Median, Standardabweichung, Normalverteilung), Kenntnisse grundlegender mathematischer Symbole und Begriffe (Summenzeichen, Integral, Funktion, Ableitung, Exponentialfunktion).

Jupyter Notebook wird als Programmieroberfläche verwendet. Vorkenntnisse sind nicht notwendig.
Hilfestellung, Dokumentation und weiterführende Informationen im Internet sind meist auf Englisch. Daher sind die Folien im Kurs auf Englisch. Das Seminar selbst wird auf Deutsch gehalten.

Didaktischer Aufbau der Natural Language Processing Schulung

Dieses Seminar für Deep Learning in Python lebt von der Praxis. Die Teilnehmer programmieren direkt mit KI Algorithmen (tiefe neuronale Netze) und verwenden selbstständig Python in der cloud mit Jupyter Notebooks. Das Erklärte kann in diesem Künstliche Intelligenz Training gleich umgesetzt und vertieft werden. Verschiedene Aufgaben werden durch den Trainer begleitet und die Teilnehmer werden bei Fragen aktiv unterstützt.

Technik im Natural Language Processing Seminar

Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mitzubringen. Ein Laptop mit GPU wird nicht benötigt.
Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
Sie sollten sich in firmenfremde WLAN-Netze registrieren können. Das Programmieren und das Trainieren der Algorithmen erfolgt auf GPUs in der Cloud, welche über eine URL direkt im Browser aufgerufen wird. Sie erhalten vor dem Seminar per E-Mail einen Link, um zu testen, ob Einstellungen den Zugriff auf die Cloud beeinträchtigen.
Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit verwendete Dateien oder sonstige Unterlagen übertragen zu können.
Im Seminar wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).

Gibt es ein Buch, welches den Kurs ergänzt?

Für das Seminar sind folgende Bücher als Ergänzung hilfreich:

Für den 1. Tag: Christopher Manning, Hinrich Schütze: Foundations of Statistical Natural Language Processing

Für den 2. Tag: Yoav Goldberg: Neural Network Methods for Natural Language Processing

Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen. Sie sollten lediglich darauf achten, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.

In welchen Städten wird das Seminar angeboten?

Wir bieten den Kurs in folgender Stadt an: Stuttgart, München, Frankfurt, Hamburg, Berlin. Falls Sie die Schulung gerne in einer anderen Stadt oder direkt bei Ihnen im Unternehmen besuchen möchten, kontaktieren Sie uns gerne.

Ich möchte gerne viel coden und hands-on Lernen. Ist das der richtige Kurs?

Definitiv. Sie werden sich im Kurs wohlfühlen. Die erste der Lektionen am ersten Tag schafft die Grundlagen und sie können den Editor gleich selbst ausprobieren. Ab der zweiten Lektion ist mindestens die Hälfte der Zeit zum selbstständigen Üben, so dass Sie das Besprochene direkt coden können und selbst erkennen, wo noch Fragen bestehen, die Sie mit dem Dozenten direkt besprechen können.

Welche Lernmethoden werden verwendet?

Im Seminar enthält jeder Block (meist über etwa 90 Minuten) eine oder mehrere Theorie- und Praxiseinheiten. Die Theorieeinheit dient dazu, Ihnen das nötige Wissen zu vermitteln, um die Übungsaufgaben zu verstehen und selbstständig lösen zu können. Wir verzichten auf langatmige, wissenschaftliche Theorieeinheiten und konzentrieren uns auf den theoretischen Stoff der zu einem besseren Verständnis beiträgt. Der Fokus liegt auf der Praxis, d.h. dem Codeschreiben und Lösen von kleinen Verständnisaufgaben zum Lernstoff. Fragen von Teilnehmern sind jederzeit möglich. Während der Praxiseinheit werden die Fragen individuell vom Dozenten beantwortet. Fragen von allgemeinem Interesse werden allen Teilnehmern erklärt. Die Folien, welche die Theorie und weitere Erklärungen vom Code enthalten erhalten Sie als pdf und in gedruckter Version. Codebeispiele und die Musterlösung der Übungsaufgaben liegen digital vor.

Wie sehen die Übungen für die Teilnehmer aus?

Die Übungen bestehen hauptsächlich aus Coding Aufgaben, d.h. Sie schreiben entweder kurze Codebeispiele oder Sie werden gefragt, Codelücken in einem bestehenden Code zu ergänzen. Letzteres schult auch das Codeverstehen. Die Aufgaben sind so gewählt, dass die wichtigen Aufgaben von allen Teilnehmern in der verfügbaren Zeit gelöst werden können. Wir haben Coding Aufgaben unterschiedlichen Schwierigkeitsgrades vorbereitet, so dass schnellere Teilnehmer oder Teilnehmer mit Vorwissen zusätzlich an weiteren Aufgaben üben können. Desweiteren gibt es für manche Kapitel kurze Kontrollfragen zum Theorieteil.

Bildungsschecks

Wir akzeptieren den Bildungsscheck NRW und die Bildungsprämie.

Mehr Informationen

Stimmen bisheriger Teilnehmer

Play

Tycho Stange
Manager
KMPG

Play

Dr. Tina Miedtank
Postdoc
Rotterdam School of Management

Play

Sarah Wagner
Promotion in Astrophysik
Universität Würzburg

Play

Matteo Vandelli
Universität Hamburg

Play

Jakob

Play

Martin Schlederer
Universität Hamburg

Voriger

Mir hat die Schulung sehr gut gefallen, es war interessant zu sehen welche Möglichkeiten es mit Python so alles gibt und wie man es am Besten umsetzt. Ich hoffe Du kannst weiterhin viele Teilnehmer für dieses zukunftsträchtige Thema gewinnen. Alles Gute für Deine nächsten Schulungen.

Stefan KönigData Science in Python

Das Seminar ist gut strukturiert und ermöglicht auch Teilnehmern mit geringeren Vorkenntnissen einen guten Einstieg in die Materie. Übungsaufgaben zu den verschiedenen Einheiten ermöglichen es, das Erlernte zu festigen. Dabei bieten unterschiedliche Schwierigkeitsgrade der Übungen für alle Teilnehmer einen Mehrwert. (...) Jan erklärt gut verständlich, motiviert und sorgt für eine gute Stimmung in der Gruppe. Er hat für jeden Teilnehmer individuelle Tipps parat und macht Lust auf "mehr Python". (...)

Lea HartmannData Science in Python

Mir hat die Schulung sehr gut gefallen,Herr Köhler hat es geschafft die Inhalte der Veranstaltung verständlich zu vermitteln. Die praktischen Aufgaben sind sehr gut vorbereitet und unterstützen beim Verstehen des umfangreichen theoretischen Inhalts. es war interessant zu sehen welche Möglichkeiten es mit Python so alles gibt und wie man es am Besten umsetzt. Ich hoffe Du kannst weiterhin viele Teilnehmer für dieses zukunftsträchtige Thema gewinnen. Alles Gute für Deine nächsten Schulungen.

Bennet BrunkeMaschinelles Lernen ((Un-)Supervised)

Sehr gutes Seminar, Jan geht auf alle Fragestellungen ein und sucht weitergehende Antworten auch teilweise im Nachgang. Das Seminar ist sehr strukturiert, verständlich und nachvollziehbar. Der Einstieg in das Thema Python und Data Mining ist sehr gut gelungen.

Simon GoettlerData Science in Python

Weiterbildungen sind bis zu einem gewissen Grad ja immer Glückssache - die Agenda gibt allenfalls einen groben Überblick darüber, was einen erwartet. Das Seminar bei Jan Köhler war ausgezeichnet, eine hervorragende Mischung aus Theorie/Erklären und der praktischen Übung am Computer. Ich würde das Seminar bei der Bitkom Akademie nicht zuletzt auch wegen des Seminarleisters uneingeschränkt weiterempfehlen.

Andreas StreimData Science in Python

Es wurde auf alle Teilnehmer eingegangen. Alle Inhalte wurden gut vermittelt. Auch für Fragen, die nicht direkt zum Seminar gehörten war Zeit. Es hat Spaß gemacht und ich habe viel gelernt. Sobald es ein anschließendes Seminar gibt, bin ich dabei ...

Gerhard HeinzerlingData Science in Python

Das Seminar bot eine ausgewogene Mischung aus Theorie und Praxis. Durch die Übungsblöcke konnte man den Inhalt direkt ausprobieren und ein Gefühl für die Materie bekommen. Bei Fragen und Schwierigkeiten fand immer eine zeitnahe und ausführliche Unterstützung statt. Zudem ging der Seminarleiter kurzfristig auf die Anregungen und Wünsche der Teilnehmer ein. Insgesamt machte der Seminarleiter einen sehr kompetenten Eindruck und ich würde dieses Seminar ohne Einschränkungen weiter empfehlen.

Dr. André SteimersData Science in Python

Herr Köhler nimmt sich ausreichend Zeit für Fragen und Erläuterungen und kann diese aufgrund überzeugender Fachkompetenz sehr gut verständlich erklären. Die Inhalte der Veranstaltung waren gut gegliedert. Insgesamt mit einem guten Verhältnis aus Theorie und Praxis. Die organisatorischen Rahmenbedingungen waren sehr gut. Insgesamt würde ich Herr Köhler und die Veranstaltung mit 5/5 Sternen bewerten.

Bennet BrunkeData Science in Python

Eindrücke sind subjektiv und hängen von u. a. Vorkenntnissen sowie Erwartungen ab. Mir fiel es leicht, den Themen zu folgen, da sie m. M. n. didaktisch gut aufgebaut waren und klar präsentiert wurden. Die Kompetenz des Kursleiters war jederzeit spürbar. Auf Fragen (auch weiterführende) kamen hilfreiche Antworten. In diesem Kurs habe ich sowohl eine neue Sprache kennengelernt, als auch neue Methoden, die von dieser unterstützt werden.

Ali CavliData Science in Python

Das Seminar mit Jan Köhler hat mir sehr viel Spaß gemacht. Hr. Köhler vermittelt Inhalte klar und verständlich und geht immer auf die Fragen der Teilnehmer ein. Mir hat besonders der Mix aus Theorie und Praxis (in Form von Übungsaufgaben) gefallen. In den drei Seminartagen konnte ich sehr viel von ihm lernen. Die Lage und Ausstattung der Seminarräume waren ebenfalls sehr gut. Das Seminar bei Hr. Köhler würde ich wieder besuchen und kann es zu 100% empfehlen.

Tobias SchröderData Science in Python

Jan Köhler takes the time to respond to all questions and remarks from the participants and explains everything well understandable. The course offers a very good individual support during exercises due to the small learning groups.

Julia MildnerData Science in R

Das war ein super Workshop, bei dem man viel mitnehmen konnte. Sowohl von der Stoffvermittlung als auch von den Übungen war es super. Klar ist in der Kürze der Zeit recht kompakt, aber das Wissen was vermittelt wird, kann im Selbststudium weiter vertieft werden. Der Workshop bietet dazu die perfekte Grundlage. Es steht auch außer Frage, dass die Kompetenz und Know-How zur Vermittlung des Stoffes vorhanden sind.

Helmut E.Data Science in Python

Voriger

Warum bei Enable AI buchen

Leistungen im Kurs

Ihr Trainer für den Kurs

Dr. Christian Scheible

Dr. Christian Scheible studierte Computerlinguistik und Informatik und promovierte im Bereich der maschinellen Sprachverarbeitung an der Universität Stuttgart.

Danach war er als wissenschaftlicher Mitarbeiter tätig. Forschungsschwerpunkte waren Methoden des Natural Language Processing (NLP) zur Analyse von Meinungen und von Konversationsstruktur.

Seit 2017 ist er Data Scientist in der Industrie und verantwortlich für die Entwicklung und Anwendung von Analyseverfahren im Bereich der maschinellen Sprachverarbeitung und des Sprachverstehens und darüber hinaus.

Zudem ist er als freiberuflicher wissenschaftlicher Berater im Einsatz. Zur Umsetzung nutzt er seine langjährige Programmiererfahrung in Python und Java in Kombination mit Standardbibliotheken aus maschinellem Lernen und NLP wie Keras/TensorFlow, spacy oder scikit-learn. Zudem verfügt er über mehrjährige Kentnisse in der praktischen Umsetzung seiner Verfahren in der Cloud.

Haben Sie noch Fragen

Jan Köhler - Gründer von Enable AI

Fragen zum Inhalt des Seminars?
Sind Sie sich unsicher, ob der Kurs Sie weder über- noch unterfordert?
Fragen, ob Sie das Wissen aus dem Kurs für Ihre tägliche Arbeit anwenden können?
weitere generelle Fragen zur Schulung?
einen Terminwunsch?

Rufen Sie uns an oder schreiben Sie uns eine Email

0711-96 88 15 53
info@enable-ai.de

Gerne können Sie auch direkt einen Termin mit uns vereinbaren oder eine Nachricht schreiben.

Inhouseschulung / Firmenschulung

Sie suchen einen Natural Language Processing Intensivkurs als Firmen-Weiterbildung. Der Inhalt der Schulung kann individuell angepasst werden. In Abstimmung mit dem Dozenten können Sie Schwerpunkte der Firmen-Schulung setzen, Inhalte aus der offenen Schulung streichen und weitere Inhalte hinzufügen.

Vereinbaren Sie einen Termin für ein kostenloses Beratungsgespräch.

Die Firmen-Trainings des NLP Kurses können Live-Online oder bei Ihnen vor Ort gehalten werden. Zudem können Sie auch in München, Stuttgart, Berlin, Hannover, Köln, Hamburg, Düsseldorf, Frankfurt, Dortmund, Münster, Essen, Bonn, Dresden, Leipzig, Bremen, Duisburg, Bochum, Wuppertal, Bielefeld, Mannheim, Freiburg, Brauschweig, Kiel oder Karlsruhe stattfinden.

Thematisch ähnliche
Schulungen

Auswahl ähnlicher Kurse wie der Natural Language Processing Kurs

DSBoot – Data Science Bootcamp Weiterbildung

Python - 5 Tage

Sie erlernen einen umfassenden Einstieg in die Programmiersprache Python mit Fokus auf Data Science und Machine Learning. Nach dem Seminar sind sie fähig einfache Datenanalysen in Ihrem Unternehmen durchzuführen und ihre erworbende Kenntnisse selbständig zu vertiefen. U.a. folgende Python Pakete werden erläutert: pandas, numpy, matplotlib, seaborn, scikit-learn, statsmodels.

KIMger – KI fuer Manager Kurs

1 Tag

Grundbegriffe aus den Bereichen Künstliche Intelligenz, Maschinelles Lernen und Deep Learning. Es werden Anwendungsfälle diskutiert und die Voraussetzungen, Möglichkeiten und Grenzen von KI erläutert. Zielgruppe der Schulung sind Führungskräfte, die KI Use-Cases im Unternehmen aufdecken und das Potential und den erforderlichen Aufwand realistisch einschätzen wollen.

DLNNet – Deep Learning Kurs Künstliche Intelligenz Schulung

Python - 3 Tage

In diesem Kurs lernen Sie die Grundlagen von Deep-Learning kennen (mit Beispielen aus der Bild-, Text- und Sequenzdatenbearbeitung). Sie erstellen und trainieren Neuronale Netze auf GPUs mit dem anwenderfreundlichen und beliebten Framework Keras / Tensorflow (in Python). Vorkommende Neuronale-Netzwerk-Typen umfassen CNNs, RNNs und LSTMs.

DLVision – Python Bilderkennung KI Deep Learning

Python - 3 Tage

In diesem Kurs lernen Sie die Grundlagen von Deep-Learning (mit Beispielen aus der Bildverarbeitung) kennen. Sie erstellen und trainieren Neuronale Netze auf GPUs mit dem anwenderfreundlichen und beliebten Framework Keras / Tensorflow (in Python). Die praktischen Anwendungsfällen umfassen: Bildklassifizierung, Objektdetektierung mit Bounding Boxes, Semantische Segmentierung.