zz

pages/students/2023/yevhenii_medushivskyi/README.md

@@ -23,6 +23,35 @@ Predbežné zadanie:
 2. Získajte dáta z internetu a vytvorte korpus dát pre viaceré domény.
 3. Vytvorte a nasadte webový crawler pre sledovanie a sťahovanie slovenského internetu.
 
+Stretnutie 18.12.2025
+
+Stav:
+
+- Práca na texte.
+- Frontend React a Muix,
+- zatiaľ na https://github.com/yvhdpdngr276/sk_web_crawl1, je tam aj branch frontend
+- frontend vyzerá ok, ale chýba mu funkcionalita.
+
+
+Úlohy:
+
+- Pracujte na textu. Pridajte informácie o korpusoch  z https://github.com/slovak-nlp/resources
+- Kódy dajte na KEMT GIT
+- frontend dajte do osobitného adresára, nie do branch.
+- Pridajte možnosť naštartovať a zastaviť workera. Jeden worker by mal fungovať na jednu doménu.
+- Pridajte zoznam možných domén a algoritmus (naplnenie work qeue) pre výber ďalších domén.
+- Zobrazte stav pre každú navštívenú doménu. Koľko odkazov bolo navštívených, koľko textu sa získalo, koľko nenavštívených odkazov je načerpaných. 
+- Zobrazte históriu a plán činnosti pre každého workera - koľko užitočného textu načerpal, koľko odkazov navštívil.
+
+
+Zásobík úloh:
+
+- Analyzujte získané odkazy pre danú doménu. Odkazy by som rozdelil na tokeny a urobil štatistickú analýzu tokenov.
+- Pridajte možnost blacklistu pre domény a tokeny v URL
+- Natrénujte prediktor získaného textu na základe URL (tokenov).
+- Zobrazte dostupné konfigurácie workerov.
+
+
 Stretnutie 7.11.2025
 
 Stav: