Welche Technologien und Bereiche sind Ihnen am nächsten: klassisches ML, DS oder NLP?

Mein Schwerpunkt liegt auf klassischem maschinellem Lernen (ML), da es eine breite Palette von Aufgaben durch Lernalgorithmen auf Datenbasis löst, wie Regression, Klassifikation, Entscheidungsbäume und Ensembles. Ich interessiere mich auch für Data Science (DS) zur Analyse und Vorbereitung von Daten, was eine wichtige Phase vor dem Modelltraining ist.

Natural Language Processing (NLP) ist ebenfalls interessant, vor allem im Bereich der Textverarbeitung und der Extraktion semantischer Informationen, aber meine Hauptkompetenz liegt in klassischen ML-Ansätzen und Datenanalyse.

In meiner Arbeit kombiniere ich in der Regel ML- und DS-Fähigkeiten: Zuerst untersuche und bereinige ich Daten, dann trainiere ich Modelle und bewerte deren Qualität.