Christian Winkler – författare

Turning text into valuable information is essential for businesses looking to gain a competitive advantage. With recent improvements in natural language processing (NLP), users now have many options for solving complex challenges. But it''s not always clear which NLP tools or libraries would work for a business''s needs, or which techniques you should use and in what order.

This practical book provides data scientists and developers with blueprints for best practice solutions to common tasks in text analytics and natural language processing. Authors Jens Albrecht, Sidharth Ramachandran, and Christian Winkler provide real-world case studies and detailed code examples in Python to help you get started quickly.

Extract data from APIs and web pagesPrepare textual data for statistical analysis and machine learningUse machine learning for classification, topic modeling, and summarizationExplain AI models and classification resultsExplore and visualize semantic similarities with word embeddingsIdentify customer sentiment in product reviewsCreate a knowledge graph based on named entities and their relations

Turning text into valuable information is essential for businesses looking to gain a competitive advantage. With recent improvements in natural language processing (NLP), users now have many options for solving complex challenges. But it''s not always clear which NLP tools or libraries would work for a business''s needs, or which techniques you should use and in what order.

This practical book provides data scientists and developers with blueprints for best practice solutions to common tasks in text analytics and natural language processing. Authors Jens Albrecht, Sidharth Ramachandran, and Christian Winkler provide real-world case studies and detailed code examples in Python to help you get started quickly.

Extract data from APIs and web pagesPrepare textual data for statistical analysis and machine learningUse machine learning for classification, topic modeling, and summarizationExplain AI models and classification resultsExplore and visualize semantic similarities with word embeddingsIdentify customer sentiment in product reviewsCreate a knowledge graph based on named entities and their relations

Turning text into valuable information is essential for businesses looking to gain a competitive advantage. With recent improvements in natural language processing (NLP), users now have many options for solving complex challenges. But it's not always clear which NLP tools or libraries would work for a business's needs, or which techniques you should use and in what order.This practical book provides data scientists and developers with blueprints for best practice solutions to common tasks in text analytics and natural language processing. Authors Jens Albrecht, Sidharth Ramachandran, and Christian Winkler provide real-world case studies and detailed code examples in Python to help you get started quickly.Extract data from APIs and web pagesPrepare textual data for statistical analysis and machine learningUse machine learning for classification, topic modeling, and summarizationExplain AI models and classification resultsExplore and visualize semantic similarities with word embeddingsIdentify customer sentiment in product reviewsCreate a knowledge graph based on named entities and their relations

Ständig wird - insbesondere in Bezug auf Europa - über Inflexibilität am Arbeitsmarkt ge­ klagt. Inflexibilität wird fiir Hysterese verantwortlich gemacht, so dass die in einer Rezession eingetretene Arbeitslosigkeit in einem erneuten Konjunkturaufschwung nicht vollständig wie­ der abgebaut wird. Die aus der ökonomischen Theorie ableitbare Voraussage, dass bei einem Nachfragezuwachs Einstellungen dann erfolgen, wenn der Wert des Grenzprodukts (bzw. das Grenzerlösprodukt) den Lohnsatz übersteigt, und dass Entlassungen dann erfolgen, wenn der Wert des Grenzprodukts unter den Lohnsatz sinkt, scheint den Erfahrungen zu widersprechen. Gewöhnlich werden institutionelle Hemmnisse, wie z. B. Kündigungsschutz fiir Arbeitneh­ mer, dafUr verantwortlich gemacht, ohne dass freilich ein solcher Zusammenhang konsistent in die Theorie eingebaut wird. Die vorliegende Arbeit leistet nun einen interessanten Beitrag zu Lösung dieses Problems. Die grundlegende, in der jüngeren Literatur entwickelte Idee besteht darin, die Einstellung eines Arbeitnehmers als Investition zu interpretieren, die mit fixen und versunkenen Kosten verbunden ist. Damit sich eine Einstellung rechnet, muss deshalb der Wert des Grenzproduk­ tes der Arbeit mindestens so hoch sein wie der Lohnsatz zuzüglich anteiliger Fixkosten. Zu diesen Fixkosten zählen dabei nicht nur Einarbeitungskosten sondern auch erwartete fixe Ausstellungskosten, wie z. B. eine Abfindung bei Kündigung durch den Arbeitgeber. Aus die­ ser Überlegung folgt, dass Ausstellungsentscheidungen den gleichen Regeln folgen wie die Stillegung einer betrieblichen Anlage, die erst dann vorgenommen wird, wenn der Preis des produzierten Gutes nicht mehr die variablen Durchschnittskosten deckt.

Ständig wird - insbesondere in Bezug auf Europa - über Inflexibilität am Arbeitsmarkt ge­ klagt. Inflexibilität wird fiir Hysterese verantwortlich gemacht, so dass die in einer Rezession eingetretene Arbeitslosigkeit in einem erneuten Konjunkturaufschwung nicht vollständig wie­ der abgebaut wird. Die aus der ökonomischen Theorie ableitbare Voraussage, dass bei einem Nachfragezuwachs Einstellungen dann erfolgen, wenn der Wert des Grenzprodukts (bzw. das Grenzerlösprodukt) den Lohnsatz übersteigt, und dass Entlassungen dann erfolgen, wenn der Wert des Grenzprodukts unter den Lohnsatz sinkt, scheint den Erfahrungen zu widersprechen. Gewöhnlich werden institutionelle Hemmnisse, wie z. B. Kündigungsschutz fiir Arbeitneh­ mer, dafUr verantwortlich gemacht, ohne dass freilich ein solcher Zusammenhang konsistent in die Theorie eingebaut wird. Die vorliegende Arbeit leistet nun einen interessanten Beitrag zu Lösung dieses Problems. Die grundlegende, in der jüngeren Literatur entwickelte Idee besteht darin, die Einstellung eines Arbeitnehmers als Investition zu interpretieren, die mit fixen und versunkenen Kosten verbunden ist. Damit sich eine Einstellung rechnet, muss deshalb der Wert des Grenzproduk­ tes der Arbeit mindestens so hoch sein wie der Lohnsatz zuzüglich anteiliger Fixkosten. Zu diesen Fixkosten zählen dabei nicht nur Einarbeitungskosten sondern auch erwartete fixe Ausstellungskosten, wie z. B. eine Abfindung bei Kündigung durch den Arbeitgeber. Aus die­ ser Überlegung folgt, dass Ausstellungsentscheidungen den gleichen Regeln folgen wie die Stillegung einer betrieblichen Anlage, die erst dann vorgenommen wird, wenn der Preis des produzierten Gutes nicht mehr die variablen Durchschnittskosten deckt.