Semantische Suche für ein Kölner Rechtsverlags-Portal aufbauen
Übersicht
Worum es bei diesem Projekt geht.
Baue einen Embedding-Suchindex für 50.000 Urteile, vergleiche BM25 & Hybrid-Suche und erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Rechtsverlag hat rund 180 Mitarbeitende, etwa 22.000 zahlende Lizenznehmer und sieht in Trefferqualität den wichtigsten Treiber für Verlängerungen.
Das Briefing
Was Du tust und was Du zeigst.
Wie viel verbessert eine Embedding-basierte semantische Suche die Top-10-Trefferqualität für Anwältinnen-Suchanfragen gegenüber einer BM25-Baseline?
Earning criteria — what you'll demonstrate
- Distributionelle Semantik in einer realen Information-Retrieval-Aufgabe nutzen
- Sparse- und Dense-Retrieval ehrlich vergleichen
- Domain-Anpassung von Embedding-Modellen einschätzen
- Ergebnisse für eine Verlagsentscheidung kommunizieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Distributional Semantics
Apply distributional semantics to solve real industry problems and demonstrate production-level capability.
- Embeddings
Apply embeddings to solve real industry problems and demonstrate production-level capability.
- Information Retrieval
Apply information retrieval to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Domain Adaptation
Apply domain adaptation to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
NLP Engineer
Semantische Suche in einer hochwertigen Fachsprache zu bauen und sauber zu bewerten ist eine sehr gefragte Spezialisierung von NLP Engineers in Fachverlagen.
Dieses Projekt schärft
- embeddings
- information-retrieval
- distributional-semantics
Applied AI Scientist
Domain-Anpassung von Embedding-Modellen mit ehrlicher Bewertung ist Kernarbeit von Applied AI Scientists in Verlagen und KMU mit eigenen Fachsprachen.
Dieses Projekt schärft
- domain-adaptation
- model-evaluation
- embeddings
Machine Learning Engineer
Ein Retrieval-System reproduzierbar aufzusetzen ist die Vorstufe zur produktiven ML-Engineering-Arbeit an semantischen Such-Pipelines.
Dieses Projekt schärft
- python
- information-retrieval
- model-evaluation
Noch eine Sache