In den letzten Jahren gab es eine Renaissance des NLP, die weitgehend auf der rasanten Entwicklung der Deep-Learning-Algorithmen beruhen. Der Vortrag wird in die Grundprinzipien aktueller Deep Learning-NLP-Architekturen einführen: Embeddings, Encoders, Attention-Mechanismen. Anschließend veranschaulicht er diese Prinzipien an einem aktuellen End-to-End Modell für Question Answering aus einer NoSQL-Datenbank.
Vorkenntnisse
Grundverständnis Neuronaler Netzwerke
Lernziele
Überblick über den aktuellen Stand des Natural Language Processing
//
Hans-Peter Zorn
@data_hpz
ist Head of Machine Perception & AI bei inovex. Er beschäftigt sich mit Machine Learning, Verarbeitung natürlicher Sprache und anderer unstrukturierter Daten. Zudem hilft er Kunden bei der Umsetzung ihrer Big-Data-Architekturen basierend auf Open-Source-Technologien.