zpwiki/pages/students/2018/david_omasta

title	published	taxonomy
Dávid Omasta	true	category tag author dp2023 lm Daniel Hladek

Začiatok štúdia: 2018

Súvisiace stránky:

• Question Answering - interný projekt
• Jozef Olekšák
• Matej Čarňanský (BERT)
• Ondrej Megela

Diplomová práca 2023

Téma: Dotrénovanie slovenského generatívneho jazykového modelu.

Vedúci: Ján Staš

Návrh na názov:

Generatívne modely slovenského jazyka

Návrh na zadanie DP:

• Vypracujte prehľad najnovších generatívnych neurónových jazykových modelov.
• Vypracujte prehľad slovenských a multilinguálnych generatívnych jazykových modelov.
• Navrhnite experiment, pri ktorom bude model generovať odpovede na zadané otázky a kontext.
• Analyzujte výsledky experimentu vhodným spôsobom a identifikujte možné zlepšenia.

Ciele na zimný semester:

Praktické:

• Rozbehajte proces dotrénovania jazykových modelov pomocou knižnice Huggingface Transformers
• Vyberte alebo vytvorte vhodnú dátovú množinu ktorá bude obsahovať slovenské dialógu.
• Vyskúšajte slovenský generatívny model GPT a dotrénujte ho pre použitie v dialógovom systéme.
• Vytvorte demonštračnú aplikáciu.

Teoretické:

• Vypracujte prehľad najnovších generatívnych neurónových jazykových modelov (cca 20 strán).
• Napíšte návod na inštaláciu a návod na použitie skriptov pre dotrénovanie (cca 5 strán).

Stretnutie 25.4.

Stav:

• Napísaný draft práce
• Pripravené demo s generovaním otázok pomocou t5, huggingface, streamlit, fastapi.
• Git je momentálne na https://git.kpi.fei.tuke.sk/do867bc

Úlohy:

• Pracovať na textovej časti podľa poznámok - zlepšiť text, štruktúru a úpravu.
• Vytvoriť repozitár na git.kemt.fei.tuke.sk a dajte tam zdrojáky
• Finalizovať repozitár s demom. Pridajte odkazy na modely, modely nedávajte na GIT. Na git dajte zdorjové kódy v Python a Notebooky. Pridajte README s opisom kódov a návodom na inštaláciu.
• Skontrolujte výsledky ROUGE, vyzerajú podozrivo.

Zásobník úloh:

• Vytvorte Dockerfile

Stretnutie 24.2.2023

Stav:

• Rozbehaný notebook na dotrénovanie slovenského t5 na úlohu generatívneho question answering.

Úlohy:

• Dajte notebook na GIT
• Vyhodnnotte presnosť generovania odpovede pomocou P-R-F1 pre celú dev množinu.
• [-] Pokračujte v písaní textu DP. Opíšte slovenský QA dataset. Slovne opíšte experiment. Aký postup ste použili, aké dáta, aké modely.
• Zopakujte experiment pre model mt5-small, mt5-base. Výsledky dajte do tabuľky.

Stretnutie 24.11

Stav:

• nainštalované prostredie na idoc, spustený hf skript run_generation.py
• prečítané články.

Úlohy:

• [-] písomne vysvetlite ako funguje neurónová sieť typu Transformer . Uveďte odkazy na odborné články.
• Písomne vysvetlite, čo to je generatívny jazykový model a ako funguje. Uveďte odkazy na najnovšie články o generatívnych jazykových modeloch - T5, GPT, BART.
• Vyskúšajte tento skript run_clm.py : https://github.com/huggingface/transformers/tree/main/examples/pytorch/language-modeling. Pozrite si príklad na run_mlm.py v repozitári https://git.kemt.fei.tuke.sk/dano/bert-train v adresári hugging/roberta-train
• Pozrite si tento tutoriál https://towardsdatascience.com/fine-tune-a-non-english-gpt-2-model-with-huggingface-9acc2dc7635b
• Pozrite si toto demo https://huggingface.co/blog/few-shot-learning-gpt-neo-and-inference-api
• Vytvorte si git repozitár do ktoréhu budete ukladať Vaše skripty.
• Vyskúšajte slovenský GPT model https://huggingface.co/Milos/slovak-gpt-j-162M (je malý, stredný, veľký)

Stretnutie 14.10.

Stav:

• Na vlastnom počítači rozbehané Anaconda, Pytorch a CUDA.
• Prečítané články.

Úlohy:

• Pokračovať.

Stretnutie 7.10.

Stav:

• Obznámený s Google Colab. Vyskúšané tutoriály BERT text classification,

Úlohy:

• [-] Prečítajte si ako funguje neurónová sieť typu Transformer a [ ] písomne to vysvetlite. Uveďte odkazy na odborné články.
• Písomne vysvetlite, čo to je generatívny jazykový model a ako funguje. Uveďte odkazy na najnovšie články o generatívnych jazykových modeloch - T5, GPT, BART.
• Nainštalujte si prostredie Anaconda, knižnicu PyTorch s podporou CUDA a knižnicu HF transformers. Použite server idoc.
• Vyskúšajte tento skript: https://github.com/huggingface/transformers/tree/main/examples/pytorch/text-generation.

Zásobník úloh:

• Prečítajte si ako funguje neurónová sieť typu GPT a písomne to vysvetlite, Uveďte odkazy na odborné články.
• Vyskúšajte tento tutoriál https://towardsdatascience.com/fine-tune-a-non-english-gpt-2-model-with-huggingface-9acc2dc7635b
• Pozrite si toto demo https://huggingface.co/blog/few-shot-learning-gpt-neo-and-inference-api
• Vytvorte si git repozitár do ktoréhu budete ukladať Vaše skripty.
• Vyskúšajte slovenský GPT model https://huggingface.co/Milos/slovak-gpt-j-162M (je malý, stredný, veľký)