Ich habe Sie leider nicht verstanden – warum Spracherkennungen die Arbeit verweigern
Das Verstehen von gesprochenem Wort ist manchmal selbst für Menschen kein einfaches Unterfangen. Vor der gleichen Herausforderung steht eine Spracherkennung, die für Anwendungen, wie z.B. digitale Assistenten, eine hohe Genauigkeit benötigt. Wie also lösen Algorithmen diese Aufgabe?Wir möchten in unserem Vortrag einen Überblick über die Funktionsweise verschiedener Spracherkennungsalgorithmen geben (HMM-GMM, CNN etc.).
Ein weiterer Teil werden die Use Cases sein, die wir mit dieser Technologie bei Würth unterstützen sowie ob und warum es sich für ein Unternehmen lohnen kann diese Modelle selbst zu entwickeln statt sie von einem der großen Anbieter einzukaufen.
Vorkenntnisse
* Grundverständnis über die Funktionsweise von Neuronalen Netzen
* Grundverständnis über die Funktionsweise von Machine Learning Algorithmen
Lernziele
* Überblick über verschiedene Spracherkennungsalgorithmen und deren Funktionsweise
* Überblick über mögliche Einsatzgebiete einer Spracherkennung
* Hinweise für das Trainieren eines Spracherkennungsmodelles in der Praxis
* Anregungen für eine Make-or-Buy-Entscheidung
Speaker
Manuel Hartenfels ist nach seinem Master der Wirtschaftsinformatik mit der Vertiefung Data Science an der Hochschule Aalen 2017 zu der Würth Industrie Service gekommen. Dort ist er verantwortlich für die Weiterentwicklung und Einführung einer CRM-Lösung. In diesem Zuge beschäftige er sich auch mit Technologien wie NLP, Spracherkennungsalgorithmen, CI/CD oder Data-Lake-Systemen.
Daniel Wanner ist seit 2010 Softwareentwickler bei der Würth IT. Nach seinem Master of Science in Wirtschaftsinformatik an der Universität Würzburg baute er 2016 den Bereich CRM bei der Würth IT mit auf. Er interessiert sich für daran angrenzende Themen sowie neue Technologien rund um Big-Data-Architekturen, CI/CD, Spracherkennung und Textverarbeitung.