Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Spracherkennung und -synthese
- Grundlagen der Sprachtechnologien
- Bausteine von Spracherkennungssystemen
- Überblick über die Sprachsersynthese
Rolle von LLMs in Sprachtehnologien
- Verstehen von LLMs in der Spracherkennung
- LLMs in der Sprachsersynthese
- Vorteile von LLMs gegenüber traditionellen Modellen
Daten für Spracherkennung und -synthese
- Datensammlung und -aufbereitung für Sprachtehnologien
- Trainingsdatensätze für LLMs
- Ethische Aspekte im Umgang mit Daten
Training von LLMs für Sprachapplikationen
- Tiefenlernverfahren in der Spracherkennung
- Neuronale Netzwerkarchitekturen für die Sprachsersynthese
- Fine-Tuning von LLMs für spezifische Sprachaufgaben
Implementierung von LLMs in Sprachsystemen
- Integration von LLMs mit Spracherkennungs-Engines
- Entwicklung natürlich klingender Sprachsynthesizer
- Benutzeroberflächengestaltung für Sprachapplikationen
Testen und Bewerten von Sprachsystemen
- Methoden zur Testung der Spracherkennungsgenauigkeit
- Bewertung der Natürlichkeit synthetisierter Sprache
- Benutzertest und Rückmeldungen sammeln
Herausforderungen und Lösungen in den Sprachtehnologien
- Umgang mit häufigen Problemen bei der Spracherkennung
- Hindernisse in der Sprachsersynthese überwinden
- Fallstudien: Erfolgreiche Implementierungen von LLMs
Zukünftige Entwicklungen in den Sprachtehnologien
- Aufkommende Trends in Spracherkennung und -synthese
- Die Rolle von LLMs in mehrsprachigen Sprachsystemen
- Innovationen und Forschungsmöglichkeiten
Projekt und Bewertung
- Entwurf und Implementierung eines Spracherkennungs- oder Synthesesystems unter Verwendung von LLMs
- Peer-Reviews und Gruppenbesprechungen
- Endbewertung und Feedback
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegende Programmierkonzepte müssen verstanden sein.
- Erfahrung mit der Python-Programmierung wird empfohlen, ist aber nicht zwingend erforderlich.
- Kenntnisse in grundlegenden Machine-Learning- und neuronalen Netzen Konzepten sind von Vorteil.
Zielgruppe
- Softwareentwickler
- Data Scientists
- Produktmanager
14 Stunden
