forked from KEMT/zpwiki
67 lines
2.6 KiB
Markdown
67 lines
2.6 KiB
Markdown
---
|
|
title: Eduard Matovka
|
|
published: true
|
|
taxonomy:
|
|
category: [bp2024]
|
|
tag: [dialog,nlp]
|
|
author: Daniel Hladek
|
|
---
|
|
|
|
rok začiatku štúdia: 2021
|
|
|
|
# Bakalárska práca 2024
|
|
|
|
Spolupráca [Vladimír Ferko](/students/2021/vladimir_ferko)
|
|
|
|
Nadväzuje [Martin Jancura](/students/2017/martin_jancura)
|
|
|
|
Názov: Slovenská konverzačná umelá inteligencia
|
|
|
|
Predbežný cieľ:
|
|
|
|
Natrénovať jazykový model pre jednoduchú slovenskú konverzáciu.
|
|
|
|
Predbežné úlohy:
|
|
|
|
- [x] Oboznámte sa s existujúcimi modelmi pre generovanie slovenského jazyka.
|
|
- Pripravte korpus diskusií v slovenskom jazyku. Vyberte vhodný zdroj diskusí a pripravte ho do podoby vhodnej na trénovanie neurónových sietí. Napr. modrý koník, modrá strecha, íné diskusie.
|
|
- Natrénujte neurónovú sieť pre odpovedanie v diskusiách.
|
|
- Druhá možnosť je použiť dáta z REditu.
|
|
- Vytvorte webové demo.
|
|
|
|
Stretnutie 12.10.2023
|
|
|
|
Stav:
|
|
|
|
- Pripravený skript na preklad pomoocu HF transformers a Helsinki NLP modelov aj s TKInter rozhraním.
|
|
- Dobrý model na generovanie Slov. jazyka je Slovak T5 Small.
|
|
- Pokračujte v teoretickej príprave podľa otvorených úloh.
|
|
- Vytvorte dataset slovenských konverzácií. Vyberte zdroj dát, pomocou scrapera extrahujte dáta a upravte ich do vhodného formátu JSON. Stiahnite časť alebo celú webovú stránku do viacerých htmls súborov. Neposielajte veľa requestov za minútu. Dobrý nástorj na stianutie je wget. Napíšte skript, ktorý pomocu knižnice BeautifulSoup4 extrahuje diskusie a uloží ich do JSON.
|
|
|
|
Úlohy:
|
|
|
|
|
|
Stretnutie 1.8.2023
|
|
|
|
Stav:
|
|
|
|
- Oboznámenie sa s jazykom Python
|
|
|
|
Úlohy:
|
|
|
|
- Pokračujte v štúdiu jazyka Python. Pozrite si nástroje [zo stránky Python](/topics/python). Pozrite si zdroje [zo stránky NLP ](/topics/nlp).
|
|
- Nainštalujte si prostredie Anaconda a knižnicu Huggingface transformers.
|
|
- Prečítajte si knihu https://d2l.ai/
|
|
- Zistite ako funguje neurónová sieť typu Transformer. https://jalammar.github.io/illustrated-transformer/
|
|
- Zistite, čo je to generatívny jazykový model. Napíšte na 3 strany čo ste sa dozvedeli o generatívnych jazykových modeloch. Použite aj článok https://arxiv.org/abs/1910.13461
|
|
- Napíšte jednoduchý skript na strojový preklad pomocou knižnice HF transformers.
|
|
- Oboznámte sa s https://github.com/karpathy/minGPT
|
|
|
|
Zásobník úloh:
|
|
|
|
- Zoberte korpus slovenských alebo iných diskusí a natrénujte neurónový model aby podľa neho odpovedal na zadané odázky.
|
|
- Zistite, ako sa vyhodnucujú generatívne modely pre úlohu konverzácie.
|
|
- Oboznámte sa s frameworkom https://python.langchain.com/docs/get_started/introduction.html
|
|
|
|
|