Python – Natural Language Processing (NLP)
Lernen Sie, Sprache mit Python, spaCy und Transformer-Modellen zu analysieren, eigene Daten zu nutzen und generative Anwendungen wie Chatbots oder Textzusammenfassungen umzusetzen.
Unser Angebot richtet sich ausschließlich an Unternehmer (§ 14 BGB), Gewerbetreibende, Freiberufler sowie öffentliche Auftraggeber. Kein Verkauf an Verbraucher (§ 13 BGB). Alle Preisangaben werden sorgfältig gepflegt. Preisirrtümer und technische Darstellungsfehler können jedoch nicht vollständig ausgeschlossen werden.
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 und semantische Suche
Textanalyse mit spaCy
- Aufbau von NLP-Pipelines
- Tokenisierung und 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
- Entwicklerinnen und Entwickler
- Data Scientists
- Tech-Profis
Für alle, die mit Sprache arbeiten und 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
Sie analysieren und verarbeiten Sprache mit Python, nutzen spaCy für Tokenisierung, Entitätenerkennung und syntaktische Analyse und arbeiten mit Transformer-Modellen über Hugging Face. Außerdem verwenden Sie vortrainierte Modelle, passen diese an eigene Daten an und generieren Texte mit Prompt Engineering.
Firmenseminar anfragen
Fragen Sie diesen Kurs für Ihr Team oder Unternehmen an. Wir prüfen passende Termine, Formate und individuelle Anforderungen und melden uns persönlich mit einem Vorschlag.
Termine & Buchung
Terminfilter
Verfügbare Termine
Kursdetails & Termine
Termine & Buchung
Terminfilter
Verfügbare Termine
Kursbewertungen
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.
Nicole Mühlbauer
Planen Sie einen Kurs oder Seminar und möchten sich vorab informieren?
Alison Kreis
Haben Sie bereits einen Kurs gebucht und noch Fragen zum Ablauf vor Ort oder Online?
Anouk Mendoza
Haben Sie Fragen zu einer Raumvermietung oder unseren Räumlichkeiten vor Ort?
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
Python Natural Language Processing verbindet die Verarbeitung natürlicher Sprache mit praxisnaher Python-Anwendung. Sie lernen, Textdaten zu analysieren, geeignete Verarbeitungslogiken umzusetzen und NLP-Methoden für eigene Anwendungsszenarien einzuordnen.
Ein zentraler Schwerpunkt ist die Textanalyse mit spaCy: Von Tokenisierung und Lemmatisierung bis zu POS-Tagging, Entitätenerkennung und regelbasiertem Matching entsteht ein nachvollziehbarer Blick auf den Aufbau von NLP-Pipelines. Ergänzend arbeiten Sie mit Transformer-Modellen über Hugging Face und führen Inferenz auf Textdaten durch.
Für weiterführende NLP-Anwendungsfälle behandelt der Kurs die Vorbereitung eigener Datensätze, Fine-Tuning-Strategien für Klassifikation oder NER sowie Evaluierung und Optimierung. Prompt Engineering ergänzt diese Inhalte für generative Anwendungen wie Textzusammenfassung, Frage-Antwort-Systeme und Chatbots.
Rezensionen
Es gibt noch keine Rezensionen.