zpwiki/pages/topics/otvorene

title	published	taxonomy
Otvorené projekty	true	category tag author info nn nlp Daniel Hladek

Otvorené témy záverečných prác

Daniel Hládek

Nápady na projekty

• Čistenie dát - zlepšenie webových trénovacích korpusov. Identifikácia "neužitočných častí" textu.
• Sumarizácia na súdnych alebo lekárskych dátach.
• Dotrénovanie jazykového modelu pre súdnu alebo lekársku doménu. LORA/PEFT.
• Spracovanie pomenovaných entít - anonymizácia.
• Opis obrázku v slovenskom jazyku. Zatiaľ neviem ako.
• Grafové neurónové siete - súdna doména. Alebo Open Data.
• Zber slovenských dát z webu.
• Tvorba QA množiny z webu.
• Tvorba nových trénovacích dát pomocou LLM - augmentácia, question generation.
• RWKW - trénvoanie, dotrénovanie
• Dotrénovanie T5-gen., MIstral modelov s rôznymi datbázami (qa, instruct, sumarizácia, hate speech).
• LLM embeddingy na slovenčinu - využitie strojovo preložených databáz (MS Marco, Gigaword).
• LLM Agents - function calling, REACT.
• reinformcement v LLM - https://huggingface.co/docs/trl/index
• Vytvorenie anotovaných dát v slovenčine. Akých? Reasoning? Grammar? Parallel?
• Model distilation.
• Skript pre generovanie "gramatických chýb".

Bakalárske práce

Naučíte sa:

• niečo o spracovaní prirodzeného jazyka
• vytvárať webové aplikácie
• pracovať s nástrojmi v jazyku Python
• prekonávať technické problémy

Požiadavky:

• chcieť sa naučiť niečo nové

Demonštračný systém pre generovanie odpovede na otázku v prirodzenom jazyku

• Natrénujte existujúci systém pre generovanie odpovede na otázku v prorodzdenom jazyku.
• Vytvorte demonštračnú webovú aplikáciu.

Strojový preklad slovenského jazyka

• Zoberte existjúci systém pre strojový preklad.
• Pripravte existujúci paralelný korpus pre trénovanie.
• Vytvorte model pre strojový preklad slovenského jazyka.

Rozpoznávanie pomenovaných entít v slovenskom jazyku

• Zlepšite model pre rozpoznávanie pomenovaných entít
• Anotujte korpus, navrhnite lepší klasifikátor.

Vyhľadávač na slovenskom internete

• Vytvorte index pre vyhľadávanie v databáze slovenských stránok (Cassandra, Elasticseaech).
• Vytvorte webové rozhranie k vyhľadávaču

Diplomové práce

Naučíte sa:

• Niečo viac o neurónových sieťach.
• Vytvárať jednoduché programy na úpravu dát.
• Zapojiť sa do reálneho výskumu.

Morfologická analýza s podporou predtrénovania

• Zoberte existujúci model pre morfologickú analýzu slovenského jazyka vyhodnotte ho
• Použite BERT model na natrénovanie morfologickej anotácie a porovnajte presnosť so základným modelom.

Slovné jednotky v predspracovaní pre strojový preklad

• Natrénujte systém pre strojový preklad
• Vytvorte niekoľko modelov pre rozdelenie slov na menšie jednotky v slovenskom jazyku. Pre každý model rozdelenia slov natrénujte systém pre strojový preklad.
• Porovnajte výsledky strojového prekladu s rôznymi rozdeleniami slov.