| Kursbeschreibung (description): |
Fachkräfte im Bereich Kundenservice und Datenanalyse lernen Techniken der Sentimentanalyse mit Sprachmodellen kennen. Vermittelt werden Embeddings, Zero Shot Classification und Clustering sowie deren Umsetzung mit Large Language Models wie OpenAI oder Aleph Alpha. Behandelt wird, wie Kundenfeedback und Social-Media-Inhalte zuverlässig analysiert und für gezielte Maßnahmen genutzt werden können.
|
|
| Zielgruppe (target group): |
|
|
| Voraussetzungen (requirements): |
Um dem Lerntempo und den Inhalten des Trainings AI322 Digitaler Kundenberater mit KI gut folgen zu können, empfehlen wir vorab die Teilnahme an folgenden Kursen:
Alternativ sind Vorkenntnisse aus folgenden Bereichen nötig:
- Grundlagen der Python-Programmierung
- Prompt Engineering
- Large Language Models
|
|
| Ziele (objectives): |
Verschiedene Sentimentanalyse-Techniken verstehen, Tools wie OpenAI und Aleph Alpha Embeddings einsetzen, Kundenfeedback und Social-Media-Inhalte analysieren, Sentiment-Analyse-Methoden anwenden können.
|
|
| Preis und Dauer (price and duration): |
Dauer (duration): 1 Tag
Schulungslänge (course length): 04:30 Stunden (inkl. Pausen)
Preis (price): 450,- Euro zzgl. MwSt.
Gerne führen wir dieses Training auch inhouse bei Ihnen vor Ort durch, bitte sprechen Sie uns an.
Eine Druckansicht dieses Workshops finden Sie hier.
|
|
| Termine (dates): |
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
|
|
|
| Inhalte (agenda): |
- Einführung von Grundbegriffen, wie Sentiment Analyse und Besonderheiten im Kontext von LLMs / Embeddings:
- Lernen, was Embeddings sind und wie sie in Sentimentanalyse eingesetzt werden
- Verwendung von LLMs von OpenAI (Embeddings), Aleph Alpha Embeddings:
- Kennenlernen der Tools und deren Anwendung in Sentimentanalyse
- Zero Shot Classification (keine Trainings Daten):
- Einführung in die Zero Shot Classification und deren Anwendung, wenn keine Trainingsdaten verfügbar sind
- GPT-Classification (Chat-Completion):
- Verstehen, wie die GPT-Classification funktioniert und wie sie zur Sentimentanalyse in Chat-Completion eingesetzt werden kann
- Embedding Visualisierung und Dimensionsreduktion:
- Lernen, was Dimensionsreduktion ist und wie sie genutzt werden kann um Embeddings zu visualisieren
- Clustering und Klassifizierung:
- Einführung in Clustering und den Aufbau von Klassifikatoren zur Sentimentanalyse, Beziehungen und Gruppen verstehen
- Exploration möglicher Applikationen (Dashboard, Social Media Agent etc.):
- Erkunden von Anwendungsmöglichkeiten der Sentimentanalyse in verschiedenen Bereichen, wie Dashboards oder Social Media Agent
|
|
|
