Jetzt Kurs bewerten

Python – Natural Language Processing (NLP)

In diesem praxisnahen Seminar lernen Sie, wie Sie Sprache mit Python analysieren und verarbeiten. Sie nutzen spaCy zur Tokenisierung, Entitätenerkennung und syntaktischen Analyse und setzen eigene Verarbeitungslogiken um.

python-logo-generic
Live-Online & Vor Ort
79 Termine
3 Tage

Unser Angebot richtet sich ausschließlich an Unternehmer (§ 14 BGB), Gewerbetreibende, Freiberufler sowie öffentliche Auftraggeber. Kein Verkauf an Verbraucher (§ 13 BGB).

Artikelnummer: PYN Kategorien: , Marke:

Kursdetails & Termine

Kursbeschreibung

In diesem praxisnahen Seminar lernen Sie, wie Sie Sprache mit Python analysieren und verarbeiten. Sie nutzen spaCy zur Tokenisierung, Entitätenerkennung und syntaktischen Analyse und setzen eigene Verarbeitungslogiken um.

Im zweiten Teil arbeiten Sie mit leistungsstarken Transformer-Modellen über Hugging Face. Sie verwenden vortrainierte Modelle, passen sie an eigene Daten an und generieren Texte mit Prompt Engineering - für Chatbots, Textzusammenfassungen oder Informationsextraktion.

Hinweis:

Seminarinhalte

Grundlagen Natural Language Processing mit Python

  • Einführung in NLP-Konzepte
  • Datenformate (z.?B. Plain Text, JSON, CSV)
  • Einsatzgebiete wie Textklassifikation, Stimmungsanalyse, semantische Suche

Textanalyse mit spaCy

  • Aufbau von NLP-Pipelines
  • Tokenisierung, Lemmatisierung
  • POS-Tagging
  • Named Entity Recognition (NER)
  • Rule-Based Matching

Arbeiten mit Transformer-Modellen (Hugging Face)

  • Nutzung vortrainierter Modelle wie BERT, RoBERTa und GPT
  • Durchführung von Inferenz auf Textdaten
  • Transfer auf eigene Anwendungsfälle

Fine-Tuning von NLP-Modellen

  • Vorbereitung eigener Datensätze
  • Trainingsstrategien für Klassifikation oder NER
  • Evaluierung und Optimierung

Prompt Engineering für generative Modelle

  • Struktur und Logik effektiver Prompts
  • Zero-/Few-Shot Learning
  • Anwendung auf Textzusammenfassung, Q&A und Chatbots

Best Practices und Fallbeispiele aus der Praxis

  • Typische Stolpersteine
  • Modellwahl und Tool-Vergleich
  • Umsetzung von Prototypen in produktionsnahen Umgebungen

Zielgruppe

Für alle, die mit Sprache arbeiten: Entwickler, Data Scientists und Tech-Profis, die moderne NLP-Methoden praxisnah in ihre Anwendungen integrieren möchten.

Voraussetzungen

Sicherer Umgang mit Python. Grundkenntnisse in Data Science oder Machine Learning sind hilfreich, aber nicht zwingend erforderlich.

Lernziele

Anfrage zum Firmenseminar

Anfrage Firmenseminar

Kursname
Vorname
Nachname
Firma
Telefonnummer
Ihre Nachricht

Termine & Buchung

Terminfilter

Durchführungsart

Ihre Auswahl

Verfügbare Termine

Kursdetails & Termine

In diesem praxisnahen Seminar lernen Sie, wie Sie Sprache mit Python analysieren und verarbeiten. Sie nutzen spaCy zur Tokenisierung, Entitätenerkennung und syntaktischen Analyse und setzen eigene Verarbeitungslogiken um.

Im zweiten Teil arbeiten Sie mit leistungsstarken Transformer-Modellen über Hugging Face. Sie verwenden vortrainierte Modelle, passen sie an eigene Daten an und generieren Texte mit Prompt Engineering - für Chatbots, Textzusammenfassungen oder Informationsextraktion.

Hinweis:

Grundlagen Natural Language Processing mit Python

  • Einführung in NLP-Konzepte
  • Datenformate (z.?B. Plain Text, JSON, CSV)
  • Einsatzgebiete wie Textklassifikation, Stimmungsanalyse, semantische Suche

Textanalyse mit spaCy

  • Aufbau von NLP-Pipelines
  • Tokenisierung, Lemmatisierung
  • POS-Tagging
  • Named Entity Recognition (NER)
  • Rule-Based Matching

Arbeiten mit Transformer-Modellen (Hugging Face)

  • Nutzung vortrainierter Modelle wie BERT, RoBERTa und GPT
  • Durchführung von Inferenz auf Textdaten
  • Transfer auf eigene Anwendungsfälle

Fine-Tuning von NLP-Modellen

  • Vorbereitung eigener Datensätze
  • Trainingsstrategien für Klassifikation oder NER
  • Evaluierung und Optimierung

Prompt Engineering für generative Modelle

  • Struktur und Logik effektiver Prompts
  • Zero-/Few-Shot Learning
  • Anwendung auf Textzusammenfassung, Q&A und Chatbots

Best Practices und Fallbeispiele aus der Praxis

  • Typische Stolpersteine
  • Modellwahl und Tool-Vergleich
  • Umsetzung von Prototypen in produktionsnahen Umgebungen

Für alle, die mit Sprache arbeiten: Entwickler, Data Scientists und Tech-Profis, die moderne NLP-Methoden praxisnah in ihre Anwendungen integrieren möchten.

Sicherer Umgang mit Python. Grundkenntnisse in Data Science oder Machine Learning sind hilfreich, aber nicht zwingend erforderlich.

Anfrage Firmenseminar

Kursname
Vorname
Nachname
Firma
Telefonnummer
Ihre Nachricht

Termine & Buchung

Terminfilter

Durchführungsart

Ihre Auswahl

Verfügbare Termine

Kursbewertungen

Rezensionen

Es gibt noch keine Rezensionen.

Hinterlassen Sie eine Kursbewertung

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Wir sind persönlich für Sie da

Nicht jeder Kurs passt sofort auf Anhieb. Wir helfen Ihnen dabei, aus Themen, Formaten und Anforderungen die passende Lösung zu finden – persönlich, praxisnah und mit Blick auf Ihren tatsächlichen Bedarf.

  • Persönliche Unterstützung bei der KursauswahlPersönliche Unterstützung bei der Kursauswahl
  • Passende Formate für Teams und EinzelpersonenPassende Formate für Teams und Einzelpersonen
  • Hilfe bei offenen Fragen vor der AnfrageHilfe bei offenen Fragen vor der Anfrage
  • Telefon+49 (911) 9523 – 260
  • Emailtrainings@sandata.de

Planen Sie einen Kurs oder Seminar und möchten sich vorab informieren?

Nicole Mühlbauer

Leiterin / Key Account Managerin

Haben Sie bereits einen Kurs gebucht und noch Fragen zum Ablauf vor Ort oder Online?

Alison Kreis

Seminarorganisation /
Trainer:innen Management

Haben Sie Fragen zu einer Raumvermietung oder unseren Räumlichkeiten vor Ort?

Anouk Mendoza

Seminarorganisation / Raumvermietungen

Fragen & Antworten

Hier beantworten wir die häufigsten Fragen zu unseren Kursen, Abläufen und Formaten. Sollten Sie weitere Fragen haben, unterstützen wir Sie gerne persönlich.

Python – Natural Language Processing (NLP) im Überblick