--- title: Bakalárska práca 2020 published: true --- # Bakalárska práca 2020 Vedúci: Daniel Hládek ## Študenti a témy - [Stanislav Matsunych](/students/2017/stanislav_matsunych) Rekurentné neurónové siete pre jazykové modelovanie a generovanie prirodzeného jazyka - [Dmitro Ushatenko](/students/2017/dmitro_ushatenko) Jednoduchý chatbot v jazyku Python - [Peter Maľar](/students/2017/peter_malar) (opakujúci) Automatická oprava preklepov - [Ediz Morochovič](/students/2017/ediz_morochovic) (opakujúci) Identifikácia pomenovaných entít v slovenskom jazyku - [Patrik Pavlišin](/students/2016/patrik_pavlisin) (opakujúci) Štatistický strojový preklad - Andrej Hopko (ex): Anotácia lingvistického korpusu - Kyryl Kobzar (ex): Identifikácia pomenovaných entít v prirodzenom jazyku s pomocou neurónových sietí ## Bakalársky projekt 2019/2020 - Vedúci: Daniel Hládek - odporúčaný čas konzultácie: štvrtok o 9:00 - Oblasť: [Spracovanie prirodzeného jazyka](/topics/nlp), [Programovanie v jazyku Python](/topics/python) ### Ciele - oboznámiť sa so základmi spracovania prirodzeného jazyka - naučiť sa pracovať s [odbornou literatúrou](../zp) - vypracovať článok na vybranú tému - vytvoriť praktickú aplikáciu (demo, krátky program) ### Zápočet Podmienky na zápočet: - vypracovanie písomného prehľadu a práca so softvérom podľa pokynov vedúceho - vypracovanie prezentácie a osobná obhajoba pred komisiou dňa 28. 1. 2020 - dohodnuté znenie zadania záverečnej práce - vypracovaný osobný profil [podľa šablóny](../../../../students/2017/vzorny_student) v časti https://git.kemt.fei.tuke.sk/KEMT/zpwiki/src/branch/master/pages/students/2017 - odovzdanie písomnej časti [cez Moodle](https://moodle.tuke.sk/moodle35/course/view.php?id=872&noprocess) heslo je BP2019 - odovzdanie písomnej časti do osobného profilu ### Stretnutia - 10.10 - Hopko, Matsunych, Kobzar - 17.10 - Hopko, Pavlišin, Matsunych, Kobzar, Ushatenko (Prečítať knihu, prejsť Spacy tutoriál, nainštalovať Anaconda) - 21.10. - Maľar - 24.10 - Pracovná cesta - 28.10 o 9:30 - - 31.10 - Dekanské voľno - 4.11. - Hopko - 7.11 - Maľar, Ushatenko - 14.11 - Odovzdanie draftu reportu - 22.11. Matsunych - 19.12. Matsunych - 21.1.2020 - Maľar, Hopko, Morochovič, Pavlišin ### Andrej Hopko - Práca pomocou "Anaconda Prompt" - Vyskúšať "python -m spacy" podľa tutoriálu na stránke - Oboznámiť sa s https://prodi.gy/ (využíva spacy) a nainštalovať (python wheel) Projekty: - [NLP](/topics/nlp) - [Python](/topics/python) - [prodigy](/topics/prodigy) - [spacy](/topics/spacy) 28.10 - Na idoc.fei.tuke.sk nainštalovať [Minoconda](https://repo.anaconda.com/miniconda/) - pozrite si "python virtualenv" a [prostredia conda](https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html) Cieľ: - Vedieť pripraviť textové dáta na anotáciu pomocou Prodigy (textové dáta sa použijú na učenie systému) - V prvom semestri bude výstup: - Oboznámiť sa "ako písať záverečnú pracu" - nainštalovaný systém prodigy - Vybratá dátová množina pripravená vo vhodnom formáte. - Pripravená anotačná uloha - Report o inštalácii Prodigy a príprave anotačnej úlohy na cca 3 strany použiteľný ako návod pre druhých - vysvetlite na čo sú potrebné anotácie a čo je crowdsourcing - V reporte spomente aspoň 3 odborné články na tému "crowdsourcing" - V druhom semestri - rešerš o príprave trénovacích dát a crowdsourcingu. ### Kyryl Kobzar Cieľom je: Vedieť použiť nástroj Spacy na natrénovanie modelu a rozpoznávanie pomenovaných entít v texte v (anglickom) jazyku Zdroje dát https://lindat.mff.cuni.cz/repository/xmlui/ https://lindat.mff.cuni.cz/repository/xmlui/discover?field=subject&filtertype=subject&filter_relational_operator=equals&filter=named+entity+recognition Výstup do prvého semestra: - Tutoriál na cca 3-4 strany ako natrénovať a použiť Spacy na rozpoznávanie pomenovaných entít - Rešerš na tému cca 10 strán : "Rozpoznávanie pomenovaných entít" - "named entity recognition", vystetlíte, čo to je, aké metódy sa používajú, ako sa to vyhodnocuje. Projekty - [NLP](/topics/nlp) - [Python](/topics/python) - [pomenované entity](/topics/named-entity) V druhom semestri: - natrénovanie vlastného modelu na vlastných dátach - vyhodnotenie modelu - dokončenie práce ### Dmytro Ushatenko Cieľ: Vytvorenie jednoduchého chatbota s použitím toolkitu RASA ktorý bude informovať o zvolenej téme, napr. o predmetoch štúdia prvého ročníka programu PS na KEMT: Pomôcka pre začínajúcich študentov: - Čo mám robiť? - Aké predmety budem študovať? - Ako skončím predmet? (potrebujem zápočet a skúšku) - [NLP](/topics/nlp) - [Python](/topics/python) - [pomenované entity](/topics/chatbot) Úlohy na tento semester: - Prejdite si tutoriál https://rasa.com/docs/rasa/user-guide/rasa-tutorial/ - Pripravte jednoduchý dialógový systém - Pripravte "návod na použitie", kde zapíšete čo ste spravili v tutoriáli - Vylepšite Vašu rešerš, dajte dôraz na citovanie zdrojov a na jazykovú stránku. V druom semestri: - pripravíte si celé demo - dookončíte prácu ### Peter Maľar Cieľ: Vytvoriť jednoduchý systém na opravu preklepov na báze neurónových sietí Úlohy na tento semester: - Naštudovať si článok "Sequence to sequence spelling correction..." - Nainštalovať a vyskúšať [fairseq](https://github.com/pytorch/fairseq) - Prejsť si tutoriál na strojový preklad https://github.com/pytorch/fairseq/blob/master/examples/translation/README.md - Vytvorte (prejdite krátky tutoriál - zapisujte čo ste urobili) - Skúsiť zopakovať experimenty s použitím systému - Vytvorte rešerš na tému "sequence to sequence systémy", "encoder-decoder" neurónové siete (5 strán, min. 5 odborných článkov) Návrh na zadanie bakalárskej práce: 1. Vypracujte prehľad metód automatickej opravy preklepov. 2. Podrobne opíšte zvolenú metódu opravy preklepov. 3. Vykonajte sadu experimentov a vyhodnoťte presnosť zvolenej metódy. 4. Na základe výsledkov experimentov navrhnite zlepšenia. - [NLP](/topics/nlp) - [Python](/topics/python) - [Sequence to Sequence](/topics/seq2seq) ### Ediz Morochovič Zadanie BP: 1. Vypracujte prehľad štatistických metód identifikácie pomenovaných entít v texte. 2. Podrobne opíšte zvolenú metódu identifikácie pomenovaných entít v texte 3. Zvoľte si vhodnú metodiku vyhodnotenia a na vhodnej testovacej množine navrhnite a vykonajte sadu experimentov. 4. Na základe výsledkov experimentov navrhnite možné zlepšenia. Úlohy: - Nainštalujte si prostredie Anaconda https://www.anaconda.com/ - Oboznámiť sa so zvoleným štatistickým systémom pre rozpoznávanie pomenovaných entít (https://www.nltk.org/), https://www.nltk.org/install.html, https://stanfordnlp.github.io/CoreNLP/, https://www.nltk.org/book/ - Zistite použitú štatistickú metódu a podrobne ju opíšte - Vypracujte prehľad používaných štatistických metód (maximum entropy, conditional random fields, hidden markov models), min. 5 strán s min. 10 odkazmi na odborné články - Navrhnite experimenty a vykonajte ich s rôznymi parametrami systému Projekty: - [NLP](/topics/nlp) - [Python](/topics/python) - [pomenované entity](/topics/named-entity) K (podmienenému) zápočtu: - dokončiť GIT profil - dokončiť písomnú časť - rozšíriť a doplniť citácie