zz

pages/students/2022/andrii_pervashov/README.md

@@ -35,9 +35,32 @@ Teoretické úlohy:
 - Oboznámte sa s postupmi pre dotrénovanie jazykového modelu - LORA, PEFT.
 - Oboznámte sa s metódami Information Extraction. Vyhľadajte si články na túto tému a napíšte, aké metódy sa používajú. Vstupom je text v prir. jazyku, výstupom je niečo ako JSON.
 
+
+Stretnutie 16.10.2026
+
+Stav:
+
+- Použitý je API korpus. Na korpuse funguje rozpoznávanie a vytvorenie zápisu zo stretnutia. 
+- Bolo urobené dotrénovanie akustického modelu Whisper s použitím AMI.
+- Na rozpoznávaní sa aplikuje Zero, Few Shot a RAG prompting.
+- Je urobené vyhodnotennie WER a vyhotenie záznamu zo stretnutia pomocou BERT Score na Summary, LLM as Judge (Opus) pre F1 na actions, decisions, problems .
+- Dotrénovanie Whisper pomáha, zložitejší prompting je lepší. Dá sa celkový výsledok predať?
+
+Úlohy:
+
+- Pokračujte v experimentov. Porovnajte výsledky s iným modelom alebo aj s inou databázou.
+- Konfigurácie a skripty dávajte na KEMT GIT.
+- Pridajte možnosť "citácie".
+- Definujte problém automatickej tvorby zápisu zo stretnutia. Aké sú existujúce metódy riešenia tohoto problému?
+- Opíšte modely aj datasety do DP.
+- Zapíšte postup pri experimente aj tabuľku s výsledkami do DP.
+
 Zásobník úloh:
-- Vyskúšajte ako funguje rozpoznávanie reči cez OPeWEBUI. Navrhnute zlepšenia.
-- Ako vieme zistiť, ktoré informácie nám chýbajú?
+
+- Zvážte možnosť dotrénovania alebo inej úpravy LLM na prácu s výsledkami rozpoznávania. 
+- Ručne overte prácu LLM as Judge. 
+- Pripravte webové demo toho čo riešite.
+
 
 Stretnutie 24.9.2026
 
@@ -55,6 +78,9 @@ Stav:
 - Do písomnej časti napíšte definíciu úlohy, prehľad existujúcich dátových množín, prehľad metód riešenia definovanej úlohy a opis Vášho riešenia.
 - Otestujte Vaše riešenie na testovacej časti dátovej množiny.
 
+Zásobník úloh:
+- Vyskúšajte ako funguje rozpoznávanie reči cez OPeWEBUI. Navrhnute zlepšenia.
+- Ako vieme zistiť, ktoré informácie nám chýbajú?
 
 
 Stretnutie 10.6.2026