Verwandeln Sie Ihre Slack-Channel in eine Wissensdatenbank – mithilfe großer Sprachmodelle!

Sind Sie es leid, endlos alte Nachrichten zu durchsuchen? Nutzen wir Machine Learning, um das zu ändern! In diesem Vortrag wird aufgezeigt, wie Sie Ihre Slack-Channels schnell in eine interaktive, nutzbare Wissensdatenbank verwandeln und dabei etwas über große Sprachmodelle, Semantic Search sowie moderne Textklassifizierungstechniken lernen können.

Um dies zu erreichen, verwenden wir einige spannende, hochmoderne und kostenlose Open-Source-Tools wie refinery, Qdrant und ein wenig Python. Gezeigt wird zunächst, wie ganz einfach Daten aus einem Slack-Channel extrahiert werden können.

Zudem werden wir Einblicke darüber gewinnen, wie Daten schnell transformiert werden können, und geben einige Tipps, wie sich ganz einfach eine Vektordatenbank einrichten lässt, um blitzschnell Textdaten abzufragen.

Vorkenntnisse

  • Grundkenntnisse in Python sowie ein gewisses Verständnis dafür, was große Sprachmodelle sind, wären von Vorteil.
  • Ein Verständnis von Text Embeddings und Vektordatenbanken ist ebenfalls hilfreich, aber nicht erforderlich.

Lernziele

  • Einen greifbaren und nachvollziehbaren Anwendungsfall darzustellen, um dem Publikum ein besseres Verständnis dafür zu vermitteln, wie wir große Sprachmodelle in Verbindung mit spezifischen Daten zu verwenden können, zum Beispiel mit den Daten eines Slack-Channels! Um dies zu demonstrieren werden nur kostenlose und Open-Source-Tools verwendet.

Speaker

 

Leonard  Püttmann
Leonard Püttmann arbeitet im Bereich Data Science und Developer Relations bei dem Start-Up Kern AI, welches aus dem HPI hervorging. Nachdem er sich während des Studiums bei einem Spezialisierungsmodul an der Hochschule Düsseldorf in das Thema KI und insbesondere Natural Language Processing verliebte, gab es kein halten mehr für ihn. Seitdem ist er leidenschaftlicher Entwickler rund ums Thema NLP.

data2day-Newsletter

Ihr möchtet über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden