Automatisierte Textklassifizierung Wie man Dokumente, Tickets und Nachrichten mit überwachtem Lernen automatisch kategorisiert
By Sloane Garrett
Length7h 40m
About this audiobook
Du sitzt vor einem Berg unklassifizierter Support-Tickets. Dein Team hat aufgegeben. Der Feierabend ist um 22 Uhr vorbei. Das war 2019 — und genau dort begann die Reise, die zu diesem Buch führte.
Automatisierte Textklassifizierung ist keine theoretische Abhandlung. Es ist die Essenz dessen, was funktioniert, wenn echte Daten auf den Tisch kommen: chaotisch, unvollständig, mit Tippfehlern in den Labels. Kein Proof-of-Concept, kein Spielzeug — sondern ein System, das in Produktion läuft und deine Nächte rettet.
Die meisten Tutorials sagen: „Nimm BERT, fertig." Die Papers behaupten, Textklassifizierung sei ein gelöstes Problem. In der Praxis scheitern Projekte an der Encoding-Frage, verlieren sich in Hyperparameter-Optimierung mit dreißig handgelabelten Beispielen oder bauen neuronale Netze, die ein simpler linearer Klassifikator mit TF-IDF auf einem Raspberry Pi schlägt.
Dieses Buch zeigt den direkten Weg von rohen Textdaten zu einer produktionsreifen Klassifizierung. Du lernst, wie du Texte lädst und bereinigst — auch wenn sie aus 17 Quellen kommen und in drei Encoding-Formaten vorliegen. Du extrahierst Merkmale von einfachen Wortzählungen bis zu TF-IDF-Vektorisierung, ohne dass dir jemand erklären muss, was eine Sparse-Matrix ist. Du trainierst Klassifikationsmodelle mit Methoden, die auf realen Datensätzen funktionieren — nicht auf „Iris" oder „MNIST". Du evaluierst und vergleichst Modelle mit Metriken, die deinem Chef zeigen, warum dein System besser ist als der Praktikant, der bisher die Tickets sortiert hat. Und du bringst das Ganze in Produktion — als API, Batch-Job oder integriertes Feature in deiner bestehenden Anwendung.
Jedes Kapitel enthält ausführbaren Code, echte Beispiele und Übungen, die du in 20–30 Minuten lösen kannst. Wir arbeiten mit Python, scikit-learn, spaCy und Hugging Face Transformers — Tools, die sich in tausenden Produktionssystemen bewährt haben.
Du brauchst keine Mathematik jenseits von Schulniveau. Kein tiefes Verständnis von linearer Algebra. Kein GPU-Cluster. Nur Python-Grundlagen, einen Rechner mit 8 GB RAM und ein konkretes Problem, das automatisch gelöst werden muss.
Audiobook details
GenreTechnology
Length7 hrs 40 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
LanguageEnglish
Table of contents
1Vorwort
70Praktische Tipps für Hyperparameter-Tuning
2Warum ich dieses Buch schreibe
71Kapitel 10 — Deep Learning für Textklassifizierung: Grundlagen
3Für wen ist dieses Buch?
72Einführung in neuronale Netze für Text
4Was dich erwartet
73Text-Embeddings mit Keras
5Meine Versprechen an dich
74Modelltraining und Überwachung
Show all chaptersShow less
6Ein Wort zu den Technologien
75Zusammenfassung
7Danksagung
76Kapitel 11 — Fortgeschrittene Deep-Learning-Architekturen
8Für wen dieses Buch ist
77Convolutional Neural Networks für Text
9Für wen dieses Buch ist
78LSTM und GRU für Sequenzmodellierung
10Wer du bist
79Transfer Learning mit GloVe
11Was du mitbringen solltest
80Praxis: Kombinierte Architekturen
12Was du lernen wirst
81Vollständige Pipeline: Vom Text zur Vorhersage
13Was dieses Buch nicht ist
82Zusammenfassung und Ausblick
14Wie du dieses Buch lesen solltest
83Kapitel 12 — Transformer und BERT für Textklassifizierung
15Los geht’s
84Transformer-Architektur verstehen
16Was Sie brauchen
85BERT mit Hugging Face
17Was Sie brauchen
86Feintuning auf eigenen Daten
18Technische Voraussetzungen
87Praktische Überlegungen für den Produktionseinsatz
19Hardware – was brauchst du wirklich?
88Zusammenfassung und Ausblick
20Daten – woher nehmen?
89Kapitel 13 — Produktionsbereitstellung und Deployment
21Was du mitbringen solltest – und was nicht
90Modellserialisierung
22Arbeitsumgebung
91REST-API mit FastAPI
23Ein letzter Hinweis
92Monitoring und Logging
24Kapitel 1 — Einführung in die Textklassifizierung
93Zusammenfassung
25Was ist Textklassifizierung?
94Kapitel 14 — End-to-End-Projekt: Ticket-Klassifizierung
26Überwachtes Lernen verstehen
95Datenqualität prüfen und verstehen
27Erste Schritte mit Python und scikit-learn
96Modellvergleich mit drei Klassikern
28Zusammenfassung
97Hyperparameter-Tuning für das beste Modell
29Kapitel 2 — Datenaufbereitung für Textklassifizierung
98BERT-Integration und Vergleich
30Datenquellen und Formate
99API-Entwicklung mit FastAPI
31Textbereinigung mit regulären Ausdrücken
100Docker-Deployment
32Trainings- und Testaufteilung
101Projekt-Dokumentation und README
33Zusammenfassung und nächste Schritte
102Lokale Entwicklung
34Kapitel 3 — Merkmalsextraktion: Bag-of-Words und TF-IDF
103Deployment
35Bag-of-Words-Modell
104Monitoring
36TF-IDF-Gewichtung
105Zusammenfassung
37Stoppwörter und N-Gramme
106Über den Autor
38Zusammenfassung und Ausblick
107Anhang: Glossar
39Kapitel 4 — Klassifikationsalgorithmen: Naive Bayes und Logistische Regression
108Anhang A — Glossar
40Naive Bayes für Text
109A
41Logistische Regression
110B
42Modellvergleich und Entscheidungsgrenzen
111C
43Zusammenfassung und Entscheidungshilfe
112D
44Kapitel 5 — Evaluierung und Metriken
113E
45Konfusionsmatrix
114G
46Precision, Recall, F1-Score
115H
47Kreuzvalidierung
116I
48Zusammenfassung und nächste Schritte
117K
49Kapitel 6 — Support Vector Machines für Text
118L
50Lineare SVMs trainieren und interpretieren
119M
51Kernel-Trick und RBF für nichtlineare Textmuster
120N
52Hyperparameter C und gamma optimieren
121O
53SVM mit TF-IDF in einer Pipeline kombinieren
122P
54Kapitel 7 — Entscheidungsbäume und Random Forests
123S
55Entscheidungsbäume verstehen
124T
56Random Forest aufbauen
125U
57Feature Importance analysieren
126V
58Zusammenfassung und nächste Schritte
127W
59Kapitel 8 — Multiklassen- und Multilabel-Klassifizierung
128Y
60One-vs-Rest und One-vs-One
129Z
61Multilabel-Klassifizierung
130Wichtige Metriken im Überblick
62Evaluierung bei mehreren Labels
131Anhang: Referenztabellen: Metriken und Parameter
63Zusammenfassung
132Anhang A — Referenztabellen: Metriken und Parameter
64Kapitel 9 — Hyperparameter-Tuning und Modelloptimierung
133A.1 Metriken für die Klassifizierung
65Grid Search
134A.2 Hyperparameter-Tabellen
66Random Search
135A.3 Grid-Search-Vorlage
67Regularisierung und Overfitting
136A.4 Metriken-Vergleichstabelle
68Hyperparameter-Pipelines mit Pipeline-Objekten
137A.5 Häufige Fallstricke
69Overfitting erkennen und durch Regularisierung verhindern
More from Sloane Garrett
Augmented Reality und Computer Vision Wie AR-Anwendungen die reale Welt verstehen, um virtuelle Objekte nahtlos zu integrierenSloane Garrett8h 50m$14 · $0.00
Security Gates in GitHub ActionsSloane Garrett8h 4m$21.50 · $0.00
Edge-AI-Engineering Wie man Künstliche Intelligenz am Netzwerkrand Aufbaut, Bereitstellt und OptimiertSloane Garrett6h 33m$13 · $0.00
Grundlagen der 3D-Computer Vision Tiefenschätzung, Punktwolkenverarbeitung und Volumetrische Rekonstruktion aus KameraanordnungenSloane Garrett7h 59m$13 · $0.00
Eingebettetes Machine Learning Vereinfacht Von Sensordaten zu Intelligenten Entscheidungen auf Ressourcenbeschränkter HardwareSloane Garrett8h 22m$13.50 · $0.00
Dialogsysteme und Chatbots Design konversationeller KI, die Kontext Versteht, Sich an Verlauf Erinnert und Natürlich AntwortetSloane Garrett8h 46m$16.50 · $0.00
LiftoffEric Berger9h 4m$29 · $0.00
ApolloCharles Murray, Catherine Bly Cox18h 15m$30
Improvised Weapons and Munitions - The Official U.S. Army ManualU.S. Department of the Army4h 38m$2 · $0.00
Frosty: The incredible true story of the boy from Doonside who became a Bathurst kingMark Winterbottom8h 9m$26 · $0.00
Cadillac Desert, Revised and Updated EditionMarc Reisner27h 56m$30
The Honey BusMeredith May9h 31m$25 · $0.00
Operation PedestalMax Hastings12h 29m$29 · $0.00
When the Heavens Went on SaleAshlee Vance18h 20m$40 · $0.00
Hands of TimeRebecca Struthers8h 8m5.0 (1)$26 · $0.00
Everybody Has a Podcast (Except You)Justin McElroy, Travis McElroy, Griffin McElroy5h 9m$24 · $0.00
The Collected WorksNikola Tesla50h 9m$1 · $0.00
Never Lost AgainBill Kilday10h 1m$29 · $0.00
How the Internet HappenedBrian McCullough13h 28m$23 · $0.00
Collected Writings of Nikola TeslaNikola Tesla, Thomas Commerford Martin21h 50m$1 · $0.00
Just AspireAjai Chowdhry9h 13m$29 · $0.00
The Little Book of AliensAdam Frank8h 20m$26 · $0.00
The inventions, researches and writings of Nikola Tesla (Annotated)Thomas Commerford Martin16h 59m$2 · $0.00
KargilV.P. Malik15h 18m$24 · $0.00
Fire on the HorizonTom Shroder, John Konrad8h 23m$26 · $0.00
The Smell of Kerosene (Annotated)National Aeronautics and Space Administration, Donald L. Mallick, Peter W. Merlin11h 32m$2 · $0.00
You may also like
RepluggedSatnam Bains13h 47m$14 · $0.00
Chatgpt Complete GuideJoaquin Gener1h 23m$6 · $0.00
Artificial IntelligenceAxel Mammitzsch53m$10 · $0.00
ITIL Foundation Essentials ITIL 4 Edition - The ultimate revision guide, second editionClaire Agutter1h 12m$27 · $0.00
DriverlessHod Lipson, Melba Kurman9h 57m$20
Me, My Customer, and AIHenrik Werdelin, Nicholas Thorne3h 41m$20
The Future Ready OrganizationGyan Nagpal7h 44m$26 · $0.00
How to create an exceptional B2B CX for success in a versatile market (Audiobook)Unknown Author1h 24m$18 · $0.00
Tech of TomorrowJulie Murray18m$3
Machines at WorkMary Elting37m$2 · $0.00
Computers The Machines We Think WithD. S. Halacy8h 40m$2.30
Artificial IntelligenceJ.C.Lesko2h 43m$15 · $0.00
The In-Car-Nation CodeDr. Engelbert Wimmer20h 15m$21 · $0.00
Master AiHenrique Xavier Oliveira2h 5m$6 · $0.00
The Definitive Guide To The World's Leading Artificial IntelligenceKael Novera6h 51m$8 · $0.00
The Start-up Founder's Guide to Digital MarketingPramod Maloo8h 17m$20 · $0.00
The Evolution of Technologythe Speech Resource Company9h 30m$20
AutonomyLawrence D. Burns, Christopher Shulgan11h 21m$29 · $0.00
Polyglotpython:Jimmy L. De Mello1h 41m$30 · $0.00
Social Media Marketing BoostFernando Moreira0m1.0 (1)$7 · $0.00