NER im Vergleich: Von Regex bis KI-Modelle für Entity Extraction
Ein praktischer Vergleich von 4 NER-Ansätzen: Regex, spaCy, GLiNER und LLM-basierte Extraktion. Welcher passt zu deinem Use Case?
Machine Learning
Das Factory Model: Wie man ML-Systeme systematisch verbessert
Warum die meisten ML-Projekte scheitern – und wie das ‘Factory Model’ einen systematischen Weg zu kontinuierlich besseren Modellen bietet.
ML Problem Framing: Traffic Sign Recognition mit GTSRB
Wie man Machine Learning Probleme richtig angeht – von Stakeholder-Analyse über Metrik-Auswahl bis zur systematischen Fehleranalyse. Interaktives Dashboard mit dem German Traffic Sign Recognition Benchmark.