Der Kurs nutzt Python für praktische Übungen und konzentriert sich auf anwendungsorientierte NLP-Methoden, insbesondere auf die „Retrieval-Augmented Generation“ und die Textanalyse zur Extraktion und Darstellung von Informationen.

Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.

Chatbots und NLP-Anwendungen erstellen

Sichern Sie sich 60 € Ersparnis und erweitern Sie Ihre Fähigkeiten mit Coursera Plus. Sparen Sie 3 Monate lang 40%.

Chatbots und NLP-Anwendungen erstellen

Dieser Kurs ist Teil von Spezialisierung „KI-Techniken, kausale Inferenz und Optimierung von Unternehmen“

Dozent: Professionals in the Industry

Bei Mehr erfahren enthalten

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Empfohlene Erfahrung

4 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Empfohlene Erfahrung

4 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

RAG verbessert die Genauigkeit von Chatbots, indem es vor der Generierung von Antworten relevantes Wissen abruft, wodurch Fehlinterpretationen reduziert und der Kontext verbessert werden.
Bei der leistungsorientierten Entwicklung werden Kennzahlen wie die Fallback-Rate, die CSAT und Präzision/Recall herangezogen, um Chatbots zu messen, weiterzuentwickeln und zu verbessern.
Die Wahl zwischen TF-IDF und Embeddings beeinflusst die Systemqualität: TF-IDF ist kostengünstiger, Embeddings erfassen die Semantik besser, erfordern jedoch einen höheren Rechenaufwand.
Bei der „Evaluation-First“-Methodik werden vor der Bereitstellung Tests und Bewertungen durchgeführt, sodass die erzielten Vorteile messbar und wiederholbar sind und sich direkt auf den geschäftlichen Nutzen auswirken.

Kompetenzen, die Sie erwerben

Kategorie: LLM-Bewerbung
Kategorie: Bewertung des Modells
Kategorie: Datengestützte Entscheidungsfindung
Kategorie: Unstrukturierte Daten
Kategorie: Text Mining
Kategorie: Einbettungen
Kategorie: Prüfung der Benutzerfreundlichkeit
Kategorie: Benutzerfreundlichkeit
Kategorie: Abruf-erweiterte Erzeugung
Kategorie: Verarbeitung natürlicher Sprache

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

7 Zuweisungen¹

KI-bewertet siehe Haftungsausschluss

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „KI-Techniken, kausale Inferenz und Optimierung von Unternehmen“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 4 Module

Sind Sie bereit, die Interaktion mit Kunden durch intelligente Gespräche zu revolutionieren? Dieser Kurzkurs wurde entwickelt, um Datenanalysten und Fachleuten dabei zu helfen, anspruchsvolle Chatbot-Anwendungen mit Funktionen zur Verarbeitung natürlicher Sprache zu entwickeln. Nach Abschluss dieses Kurses sind Sie in der Lage, RAG-Systeme (Retrieval-Augmented Generation) zu implementieren, Gesprächsabläufe zu optimieren, aussagekräftige Erkenntnisse aus unstrukturierten Texten zu gewinnen und datengestützte Entscheidungen über Methoden der Textdarstellung zu treffen.

Am Ende dieses Kurses werden Sie in der Lage sein: einen Chatbot-Prototyp unter Verwendung von RAG (Retrieval-Augmented Generation) zu erstellen und die Nutzerzufriedenheit mittels einer SUS-Umfrage zu messen Metriken zum Dialogablauf (Fallback-Rate, Turn-Länge) zu bewerten und Regeln zur Intent-Zuordnung zu iterieren die Erkennung benannter Entitäten anzuwenden, um Schlüsselbegriffe aus Support-Tickets zu extrahieren und Präzision sowie Recall zu quantifizieren zwei Vektorisierungstechniken (TF-IDF vs. Embeddings) bei einer Textklassifizierungsaufgabe zu bewerten Dieser Kurs ist einzigartig, da er die praktische Chatbot-Entwicklung mit strengen Bewertungsmethoden kombiniert und so sicherstellt, dass Ihre KI-Lösungen einen messbaren geschäftlichen Mehrwert liefern. Um in diesem Projekt erfolgreich zu sein, sollten Sie über Kenntnisse in der Python-Programmierung sowie über grundlegende Konzepte des maschinellen Lernens verfügen.

Entwickeln Sie einen Chatbot-Prototyp unter Verwendung von RAG (Retrieval-Augmented Generation) und messen Sie die Nutzerzufriedenheit mithilfe einer SUS-Umfrage.

Das ist alles enthalten

2 Videos2 Lektüren1 Aufgabe1 Unbewertetes Labor

2 VideosInsgesamt 9 Minuten

Warum RAG-Chatbots das Kundenerlebnis revolutionieren3 Minuten
So erstellen Sie Ihr erstes RAG-Chatbot-System6 Minuten

2 LektürenInsgesamt 16 Minuten

Grundlagen der RAG-Architektur für die Chatbot-Entwicklung10 Minuten
Podcast: Skala zur Bewertung der Benutzerfreundlichkeit von Chatbots6 Minuten

1 AufgabeInsgesamt 7 Minuten

Bewertung der Entwicklung eines RAG-Chatbots7 Minuten

1 Unbewertetes LaborInsgesamt 18 Minuten

Entwicklung und Bewertung eines RAG-Chatbot-Prototyps18 Minuten

Die Kennzahlen zum Dialogverlauf (Fallback-Rate, Gesprächslänge) auswerten und die Regeln zur Intent-Zuordnung iterativ optimieren.

Das ist alles enthalten

1 Video1 Lektüre2 Aufgaben

Wenden Sie die Erkennung benannter Entitäten an, um Schlüsselbegriffe aus Support-Tickets zu extrahieren und die Präzision und den Recall zu quantifizieren.

Das ist alles enthalten

3 Videos2 Aufgaben

Bewerte zwei Vektorisierungstechniken (TF-IDF vs. Einbettungen) bei einer Textklassifizierungsaufgabe.

Das ist alles enthalten

1 Video2 Lektüren2 Aufgaben1 Unbewertetes Labor

1 VideoInsgesamt 3 Minuten

Warum die Wahl der Vektorisierung über den Erfolg der KI entscheidet3 Minuten

2 LektürenInsgesamt 18 Minuten

Vergleichende Analyse von Ansätzen zur Textvektorisierung11 Minuten
Podcast: Gestaltung effektiver Vektorisierungsversuche7 Minuten

2 AufgabenInsgesamt 32 Minuten

Bewertung der Textvektorisierung7 Minuten
Kursbewertung – Chatbots und NLP-Apps erstellen25 Minuten

1 Unbewertetes LaborInsgesamt 20 Minuten

Vergleich von TF-IDF und Embeddings bei der Textklassifizierung20 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Professionals in the Industry

485 Kurse89.003 Lernende

von

Coursera

Mehr von Software-Entwicklung entdecken

EDUCBA
Chatbots with Keras & NLP: Build & Evaluate
Kurs
Status: Kostenloser Testzeitraum
EDUCBA
Build and Deploy Chatbots Using Dialogflow
Kurs
Status: Kostenloser Testzeitraum
Johns Hopkins University
Chatbots
Kurs
Status: Kostenloser Testzeitraum
Coursera
Customer Service with Python: Build a Chatbot using ChatGPT
angeleitetes Projekt

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Nutzen Sie mit unserem Labor-Day-Angebot mehr als 10.000 Programme
Coursera Plus abonnieren
Beginnen Sie mit einfachen Einsparungsmöglichkeiten für hart arbeitende Teams
Sparen Sie heute 30 %

Häufig gestellte Fragen

Die Entwicklung von Chatbots mit NLP bedeutet in diesem Kurs, dialogorientierte Systeme zu erstellen, die mithilfe von Sprachverarbeitung Benutzereingaben verstehen, relevante Informationen abrufen und bessere Antworten generieren. Der Kurs behandelt dies als praktischen Arbeitsablauf, der das Testen, Bewerten und die kontinuierliche Optimierung des Chatbots im Laufe der Zeit umfasst.

Man würde diese Methode einsetzen, wenn ein Chatbot echte Fragen anhand vorhandener Dokumentationen oder Support-Texte beantworten soll, anstatt sich ausschließlich auf festgelegte Skripte zu stützen. In diesem Kurs wird sie als wiederholbarer Ansatz zum Aufbau und zur Verbesserung von supportorientierten Dialogsystemen vorgestellt.

Er fügt sich in die Entwicklungs- und Testphase ein, in der Textverarbeitung, Gestaltung der Antworten und Auswertung zu einem zusammenhängenden Prozess verschmelzen. Anstatt sich mit einem ersten Prototyp zufrieden zu geben, zeigt der Kurs, wie man mithilfe von Feedback und Leistungsüberprüfungen das System kontinuierlich verbessert.

Ein einfacher, skriptgesteuerter Chatbot ordnet Eingaben hauptsächlich voreingestellten Antworten zu, während der hier vorgestellte Workflow NLP nutzt, um Sprache zu interpretieren, mit Begleittext zu arbeiten und die Leistung durch Iteration zu verbessern. Dadurch verlagert sich der Schwerpunkt vom Verfassen einzelner Antworten hin zur Entwicklung eines Chatbots, der gemessen und weiterentwickelt werden kann.

Vor Beginn dieses Kurses sind Vorkenntnisse in der Python-Programmierung sowie grundlegende Kenntnisse im Bereich des maschinellen Lernens von Vorteil. Am wichtigsten ist es jedoch, dass Sie sicher im Umgang mit Textdaten sind und analytisch darüber nachdenken können, wie ein Chatbot bewertet werden sollte.

Sie üben, einen Chatbot-Prototyp zu erstellen, Text für die Abfrage vorzubereiten, das Gesprächsverhalten zu analysieren und wichtige Informationen aus unstrukturiertem Text zu extrahieren. Außerdem vergleichen Sie verschiedene Methoden zur Darstellung von Text für die Klassifizierung, damit Sie fundierte Entscheidungen treffen können, wenn Sie einen Chatbot oder einen ähnlichen NLP-Workflow optimieren.

Um auf Kursmaterialien und Aufgaben zugreifen zu können und ein Zertifikat zu erwerben, müssen Sie bei der Anmeldung zu einem Kurs die Option „Zertifikat“ erwerben. Berechtigte Lernende haben möglicherweise auch die Möglichkeit, mit einer kostenlosen Testphase zu beginnen. Bei einigen Kursen wird möglicherweise auch die Option „Vollständiger Kurs, kein Zertifikat“ angeboten. Damit haben Sie Zugriff auf die Kursmaterialien, können die erforderlichen Prüfungen einreichen und erhalten eine Abschlussnote, können jedoch kein Zertifikat erwerben oder erhalten.

Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.

Weitere Fragen

Besuchen Sie die das Hilfe-Center für Kursteilnehmer.

Finanzielle Unterstützung verfügbar,

¹ Einige Aufgaben in diesem Kurs werden mit AI bewertet. Für diese Aufgaben werden Ihre Daten in Übereinstimmung mit Datenschutzhinweis von Courseraverwendet.