BEGIN:VCALENDAR
VERSION:2.0
PRODID:https://github.com/derhansen/sf_event_mgt
METHOD:PUBLISH
BEGIN:VEVENT
UID:3822-2631@rg-rhein-main.gi.de
CLASS: PUBLIC
SUMMARY:Das FLAIR Framework zur automatischen Analyse von Texten
DESCRIPTION:Prof. Dr. Alan Akbik gibt einen Überblick über das FLAIR Framew
 ork zur automatischen Analyse von Texten, basierend auf Forschung im Bereic
 h des Natural Language Processing (NLP). Das Framework wurde auf die Ziele 
 hin entwickelt, sowohl möglichst einfach bedienbar zu sein, als auch sehr h
 ohe Genauigkeiten in verschiedenen Arten der automatisierten Textanalyse zu
  erreichen. Das Framework wird aus Sicht des Anwenders vorgestellt und zeig
 t anhand einer Live-Demo, wie es beispielsweise zur automatischen Eigenname
 nerkennung oder zur Sentimentanalyse auch in juristischen Texten verwendet 
 werden kann. Darüber hinaus wird Prof. Dr. Alan Akbik seine Forschung im Be
 reich der neuronalen Sprachmodellierung vorstellen und zukünftige Forschung
 s- und Entwicklungsarbeiten diskutieren.\n\nProf. Dr. Alan Akbik ist seit A
 nfang des Jahres Professor für Maschinelles Lernen an der Humboldt-Universi
 tät zu Berlin. Sein Fokus liegt auf Forschung im Bereich des Maschinellen L
 ernens (ML) und des Natural Language Processing (NLP). Sein Ziel ist es, Ma
 schinen in die Lage zu versetzen, natürliche Sprache menschengleich zu erwe
 rben, zu verstehen und zu verwenden. Sein Lehrstuhl entwickelt dazu das FLA
 IR Framework zur automatischen Textanalyse. Es ist bereits in vielen Forsch
 ungsprojekten und industriellen Anwendungen im Einsatz und zählt weltweit z
 u den meistgenutzten deep learning Frameworks für NLP. Zuvor forschte er vi
 ele Jahre in industriellen Forschungslaboren, zunächst bei IBM Research in 
 Kalifornien, dann bei Zalando Research in Berlin.\n\nHier gelangen Sie zur 
 Aufzeichnung der Veranstaltung auf youtube.\n\nDie Präsentation des Vortrag
 s zum Herunterladen.\n\n\n\n
LOCATION:Online-Event
DTSTAMP:20201112T154233Z
DTSTART:20201111T170000Z
DTEND:20201111T180000Z
END:VEVENT
END:VCALENDAR