Evaluierung von Neural-Search- und Question-Answering-Ansätzen
Neural-Search-Ansätze sind durch den Einsatz von Transformer-Modellen und einer Reihe von Open-Source-Frameworks zur Produktionsreife gelangt. Jedoch ist es häufig schwierig zu beurteilen, wie gut die Suchqualität dieser Systeme im konkreten Anwendungsfall ist und welche der unzähligen Konfigurationen die besten Ergebnisse liefert.In diesem Vortrag erwartet Sie neben einer kurzen Einführung in die Evaluierung von Suchsystemen eine Fallstudie, die zeigt, wie man mit dem Haystack-Frameworks Suche-Pipelines miteinander vergleicht, verbesserungswürdige Komponenten identifiziert und so das bestmögliche Suchsystem für den konkreten Anwendungsfall findet.
Vorkenntnisse
Vorkenntnisse im Bereich ML oder NLP sind wünschenswert, aber keine Voraussetzung.
Lernziele
Der Vortrag soll einen kurzen Überblick über den aktuellen Stand im Bereich Neural Search liefern und zeigen, wie Neural Search Methoden evaluiert werden können.
Speaker
Thomas Stadelmann ist Senior Software Engineer bei deepset und beschäftigt sich schon länger mit dem Thema Suchevaluierung. Er hat sich in seinem M.Sc. auf Information Retrieval spezialisiert und bereits während des Studiums an konkreten Suchapplikationen gearbeitet. Heute hat er große Freude daran, die neuesten Neural-Search-Technologien für jeden frei zugänglich zu machen.
Timo Möller ist Mitgründer von deepset und dort für Applied NLP verantwortlich. Er hat einen M.Sc. in Computational Neuroscience, ist Open-Source-Fan und passionierter NLP Engineer. Momentan ermöglicht er Kunden, NLP erfolgreich in Produktion zu bringen, entweder mit der Anwendung von deepsets Open-Source-Framework Haystack oder der deepset-Cloud-Plattform.
M3-Newsletter
Du möchtest über die Minds Mastering Machines
auf dem Laufenden gehalten werden?