209 lines
6.8 KiB
Markdown
209 lines
6.8 KiB
Markdown
---
|
|
title: Martin Wencel
|
|
published: true
|
|
taxonomy:
|
|
category: [bp2021]
|
|
tag: [demo,nlp,spacy]
|
|
author: Daniel Hladek
|
|
---
|
|
# Martin Wencel
|
|
|
|
Rok začiatku štúdia: 2018
|
|
|
|
Podmienkou pre získanie zápočtu je účasť na konzultácii min. raz za 2 týždne. Menej ako 6 konzultácií za semester je dôvod pre zníženie hodnotenia alebo neudelenie zápočtu.
|
|
Komunikácia je možná aj cez [MS Teams](https://teams.microsoft.com/l/team/19%3aa8596a401a3842e5b91ac918a2a0afb1%40thread.tacv2/conversations?groupId=4fc0c627-d424-4587-b73a-2e47509862e9&tenantId=1c9f27ef-fee6-45f4-9a64-255a8c8e25a5).
|
|
Konzultačné hodiny sú v piatok 9:20-14:00.
|
|
|
|
## Bakalárska práca 2020
|
|
|
|
Názov: Demonštrácia spracovania slovenského prirodzeného jazyka pomocou knižnice Spacy
|
|
|
|
- [Demonštračná aplikácia pre Spacy](https://spacy.tukekemt.xyz)
|
|
- [Bakalárska práca](https://opac.crzp.sk/?fn=detailBiblioForm&sid=CF9E62B1F4156FE3B22E0B84D7C8)
|
|
|
|
Návrh na zadanie:
|
|
|
|
1. Vypracujte teoretický úvod do spracovania prirodzeného slovenského jazyka. Vysvetlite, čo to je parsing, morfologická analýza a rozpoznávanie pomenovaných entít a akými metódami sa vykonávajú.
|
|
1. Podrobne vysvetlite, ako pracuje parsing, morfologická analýza a rozpoznávanie pomenovaných entít v knižnici Spacy.
|
|
1. Vytvorte demonštračnú webovú aplikáciu pomocou ktorej je možné vyskúšať spracovanie slovenského aj anglického jazyka.
|
|
1. Navrhnite možné zlepšenia Vami vytvorenej aplikácie.
|
|
|
|
- [Repo s výsledkami](https://git.kemt.fei.tuke.sk/mw223on/bp2020)
|
|
- [Preprecované repo](https://git.kemt.fei.tuke.sk/KEMT/bc_wencel2021)
|
|
|
|
|
|
Zásobník úloh:
|
|
- Vymyslite a doplňte REST API pre služby knižnice Spacy. Cieľ je vedieť využiť Spacy pomocou curl, alebo pythonu cez HTTP na spracovane textových súborov.
|
|
- Vymyslieť ako spracovať väčšie textové súbory pomocou REST API alebo podobného?
|
|
- Urobiť deployment s demom
|
|
|
|
Stretnutie 26.3.
|
|
|
|
Stav:
|
|
|
|
- Práca na písomnej časti.
|
|
|
|
Stretnutie 12.3.
|
|
|
|
Stav:
|
|
|
|
- Riešenie deploymentu. V základdnom modeli chýbajú priečinky tagger a parser, je potrebné modifikovať skript pre zostavenie slovenského modelu v repozitári spacy-skmodel.
|
|
- Práca na písomnej časti
|
|
|
|
Úlohy:
|
|
|
|
- Písať.
|
|
|
|
|
|
Stretnutie 26.2.
|
|
|
|
Stav:
|
|
|
|
- Dokončená a fungujúca aplikácia
|
|
- Písomná časť je rozpracovaná vo forme útržkovitých poznámok a nadpisov sekcií.
|
|
|
|
Úlohy:
|
|
|
|
- vytvoriť súvislý text.
|
|
- V texte uviesť odkazy na odbornú literatúru.
|
|
|
|
|
|
|
|
|
|
## Bakalársky projekt 2020
|
|
|
|
Cieľ:
|
|
- Vytvoriť demonštráciu spracovania slovenského jazyka pomocou knižnice spacy
|
|
|
|
Výstupy:
|
|
|
|
- Aplikácia vie robiť pomocou spacy tokenizácia, morfologická analýza, parsing a named entity recognition pre slovenčinu a angličtinu.
|
|
- [Zdrojové kódy](https://git.kemt.fei.tuke.sk/mw223on/bp2020/)
|
|
|
|
Zásobník úloh:
|
|
- Vymyslite a doplňte REST API pre služby knižnice Spacy. Cieľ je vedieť využiť Spacy pomocou curl, alebo pythonu cez HTTP na spracovane textových súborov.
|
|
- Vymyslieť ako spracovať väčšie textové súbory pomocou REST API alebo podobného?
|
|
|
|
|
|
Stretnutie 2.2.:
|
|
|
|
- Práca na frontende
|
|
- Dorobená slovenčina - prerobené spacy explain. Vysvetľuje tagy.
|
|
- Urobené rozhranie na spracovanie súborov.
|
|
|
|
Do ďalšieho stretnutia:
|
|
|
|
- Skompletizovať a vykonať deployment.
|
|
|
|
|
|
Virtuálne stretnutie 15.12.:
|
|
|
|
Stav:
|
|
|
|
- Pripravený Docker deployment.
|
|
- Aplikácia funguje pre anglický jazyk.
|
|
- Práca na písomnej časti
|
|
|
|
|
|
Do ďalšieho stretnutia:
|
|
|
|
- Dorobiť slovenčinu
|
|
- Zlepšiť dizajn
|
|
|
|
|
|
|
|
|
|
|
|
Virtuálne stretnutie 27.11.:
|
|
|
|
Stav:
|
|
|
|
- Aplikácia prerobená do Flask-u. [Zdrojové kódy](https://git.kemt.fei.tuke.sk/mw223on/bp2020/src/branch/master) sú na Gite.
|
|
|
|
Úlohy na ďalšie stretnutie:
|
|
- Pokračovať na práci na aplikácii.
|
|
- Pripraviť deployment. Vytvoriť Python balíček (setup.py, requirements.txt, MANIFEST.in).
|
|
- Pripraviť Dockerfile. Môžete použiť obraz tiangolo/meinheld-gunicorn-flask:python3.7
|
|
- Pokračovať v písaní.
|
|
|
|
|
|
|
|
|
|
|
|
Virtuálne stretnutie 20.11.:
|
|
|
|
Stav:
|
|
- práca na písomnej časti
|
|
- komplet prerobený frontend (css a html) a backend (hug).
|
|
|
|
Úlohy na ďalšie stretnutie:
|
|
- dať kódy na GIT.
|
|
- prepísať frontend a backend do Flask,
|
|
|
|
Virtuálne stretnutie 30.10.:
|
|
|
|
Stav:
|
|
|
|
- Modifikovaná existujúca aplikácia "spacy-streamlit", zdrojové kóódy sú na GITe podľa pokynov z minulého stretnutia.
|
|
- Obsahuje aj formulár, neobsahuje REST API
|
|
|
|
Úlohy do ďalšieho stretnutia:
|
|
|
|
- Pokračujte v písaní. Prečítajte si odborné články na tému "dependency parsing" a vypracujte poznámky čo ste sa dozvedeli. Poznačte si zdroj.
|
|
- Pokkračujte v práci na demonštračnej webovej aplikácii.
|
|
|
|
|
|
Virtuálne stretnutie 19.10.:
|
|
|
|
Stav:
|
|
|
|
- Vypracované a odovzdané poznámky k bakalárskej práci, obsahujú výpisy z literatúry.
|
|
- Vytvorený repozitár. https://git.kemt.fei.tuke.sk/mw223on/bp2020
|
|
- Nainštalovaný a spustený slovenský Spacy model.
|
|
- Nainštalované Spacy REST Api https://github.com/explosion/spacy-services
|
|
- Vyskúšané demo Display so slovenským modelom
|
|
|
|
Úlohy na ďalšie stretnutie:
|
|
|
|
- Pripravte webovú aplikáciu ktorá bude prezentovať rozpoznávanie závislostí a pomenovaných entít v slovenskom jayzyku. Mala by sa skladať z frontentu a backendu.
|
|
- zapíšte potrebné Python balíčky do súboru "requirements.txt"
|
|
- Vytvorte skript na inštaláciu aplikácie pomocou pip.
|
|
- Vytvorte skript pre spustenie backendu aj frontendu. Výsledky dajte do repozitára.
|
|
- Vytvorte návrh na frontend (HTML + CSS).
|
|
- Pozrite na zdrojové kódy Spacy a zistite, čo presne robí príkaz display.serve
|
|
- Vysledky dajte do repozitára.
|
|
|
|
Virtuálne stretnutie 9.10.
|
|
|
|
Stav:
|
|
- nainštalovaná anaconda, docker aj linux, spacy, latex
|
|
- prečítané niečo o NLP (Speech and Language Processing, Jurafsky and Martin). Blogy a záverečné práce.
|
|
- vypracované poznámky
|
|
|
|
Úlohy do ďalšieho stretnutia:
|
|
- odovzdať vypracované poznámky do Moodlu.
|
|
- nainštalujte a spustite slovenský [spacy model](https://git.kemt.fei.tuke.sk/dano/spacy-skmodel)
|
|
- Pozrite si , nainštalujte a spustite https://github.com/explosion/spacy-services
|
|
- Skúste to upraviť tak, aby displacy využíval slovenský model
|
|
- Vyskúšajte komunikovať so servrom pomocou CURL
|
|
- študujte jazyk Python a web framework hug
|
|
|
|
Stretnutie 1.10.2O20:
|
|
|
|
Na štúdium:
|
|
- https://git.kemt.fei.tuke.sk/KEMT/zpwiki/src/branch/master/pages/topics
|
|
- https://student.kemt.fei.tuke.sk/predmety/zct
|
|
- Dive into Python 3
|
|
|
|
Na vypracovanie:
|
|
|
|
- Prečítajte si čo je to "natural language processing" a urobte si poznámky. Do poznámok si zapíšte čo ste sa dozvedeli a zdroj.
|
|
- Nainštalujte si prostredie Anaconda
|
|
- Nainštalujte si Docker
|
|
- Skúste rozbehať demo z https://github.com/jgontrum/spacy-api-docker
|
|
|
|
Na zlepšenie:
|
|
|
|
- Chceme vybrať metódu NLP ktorej sa budeme venovať.
|
|
- chceme vybrať knižnicu alebo demo ktoré budeme prezentovať.
|