zpwiki/pages/students/2018/adrian_remias
2023-11-23 10:06:33 +00:00
..
README.md Update 'pages/students/2018/adrian_remias/README.md' 2023-11-23 10:06:33 +00:00

title published date taxonomy
Adrián Remiáš true 01-02-2014
category tag author
dp2024
nlp
transformers
interpuction
Daniel Hladek

Adrián Remiáš

Rok začiatku štúdia: 2018

Diplomová práca 2024

Návrh na zadamie:

  • Vypracujte prehľad metód obnovy interpunkcie v slovenskom jazyku.
  • Vypracujte prehľad metód jazykového modelovania pomocou neurónovej siete typu Transformer.
  • Pripravte dátovú množinu pre trénovanie a vyhodnotenie neurónovej siete na úlohu dopĺňania a opravy interpunkcie.
  • Vyberte viacero neurónových modelov, natrénujte ich na úlohu dopňĺňania a opravy interpunkcie.
  • Vyhodnoťte experimenty a vyberte najlepší model.

Ciele:

  • Natrénovanie modelu pre opravu iterpunkcie a jeho vyhodnotenie.
  • Výsledky by mali byť prezentovateľné vo vedeckom článku.

Stretnutie 23.11.2023

Stav:

  • Boli nainštalované softvéry na idoc podľa pokynov.
  • Śtúdium a kódovanie: problémy.

Úlohy:

  • Podrobne sa oboznámte https://github.com/xashru/punctuation-restoration/tree/master . Prečítajte si článok. Urobte si poznámky čo ste sa dozvedeli. Zistite, aké metódy iné sa používajú na PR a aká metóda je v článku. Zistitie, ako to súvisí s Modelom BERT.
  • Pohľadajte iný podobný repozitár.
  • Získajte zdrojové kódy a spustite experimenty v naglickom a bangla jazyku s dátami dodanými v repozitári. Oboznámte sa so zdrojovými kódmi a skúste pochopiť ktorá časť robí čo.
  • Pokračujte v štúdiu jazyka Python. https://diveintopython3.net/
  • Pokračujte v písaní práce podľa pokynov vyššie.

Stretnutie 26.10.2023

Stav:

  • Štúdium a poznámky podľa pokynov. Vyskúšaná Anaconda a transformers.

Úlohy:

  • Pokračovať v štúdiu a v poznámkach. To je teoretická časť DP.
  • [-] Na katedrovom gite si vytvorte repozitár s názvom DP2024, do neho dajte kódy pre tvorbu dát a trénovanie siete. Dáta nedávajte na git.
  • Inštalujte Pytorch s podporou CUDA 10.1 alebo 10.2 z https://pytorch.org/get-started/previous-versions/
  • Na idoc nainštalujte transformers, pytorch s CUDA 10.1 pomocou Anaconda.
  • Vyberte množinu slovenských textov a upravte ju do podoby vhodnej na trénovanie neurónovej siete. Dáta sa nachádzajú na servri idoc.fei.tuke.sk v /mnt/sharedhome/hladek/bert-train/data/corpus3/. Na ľavej strane bude text bez interpunkcie. Na pravej strane bude len interpunkcia.
  • Natrénujte neurónovú sieť. Množinu rozdeľte na trénovaciu a testovaciu časť. Začneme s modelom SlovakBERT.

Zásobník úloh:

  • Vyskúšajte iný model ako je Slovak BERT.
  • Pripravte dáta na "čiastočné" dopňlňanie. Skúste identifikovať iba koniec vety. Skúste náhodne "pokaziť" interpunkciu a pomocou neurónovej siete ju opraviť.

Stretnutie 5.10.2023

Stav:

  • Urobená bakalárska práca na tému "Analýza textu z pohľadu forenznej lingvistiky".

Úlohy:

  • Nainštalujte si balíček Anaconda. Pomocou neho si nainštalujete knižnicu Pytorch s podporou CUDA.

     conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
     pip install transformers
    
  • Oboznámte sa s frameworkom HuggingFace Transformers. Vypracujte si viacero úvodných tutoriálov.

  • Podrobne sa oboznámte s úlohou token classificaton.

  • Prečítajte si [článok](https://ieeexplore.ieee.org/abstract/document/9089903 Comparison of Recurrent Neural Networks for Slovak Punctuation Restoration, urobte si poznámky.

  • Prečítajte si "Attention is all you need" https://arxiv.org/abs/1706.03762, urobte si poznámky.

  • [-] Vyhľadajte heslo "punctuation restoration" na google scholar, poznačte si najdôležitejšie články. Prečítajte si ich a napíšte, akú metódu používaju.

Zásobník úloh:

  • Vyberte množinu slovenských textov a upravte ju do podoby vhodnej na trénovanie neurónovej siete. Natrénujte neurónovú sieť.
  • Na katedrovom gite si vytvorte repozitár s názvom DP2024, do neho dajte kódy pre tvorbu dát a trénovanie siete. Dáta nedávajte na git.