zpwiki/pages/students/2020/matus_suchanic

title	published	taxonomy
Matúš Suchanič	true	category tag author vp2022 spacy nlp Daniel Hladek

rok začiatku štúdia: 2020

Vedecký projekt 2022

Extrakcia informácií z webových stránok

Finálny cieľ:

• Vytvoriť skript ktorý spracuje HTML kód a identifikuje zaujímavé časti z webstránky, napr. noviny alebo diskusie (modrý koník)
• Naučte sa niečo o spracovaní prirodzeného jazyka

Výstupy:

• Report na cca 4 strany - ako si nainštalovať anacondu, niečo o knižnici HuggingFace Transformers
• Skript na parsovanie dvoch stránok

Stretnutie 3.6.

Stav:

• Odovzdaná písomná správa nie je uspokojivá.

Úlohy:

• Nainštalujte si Hugging Face Transformers
• Prejdite si tento tutoriál, https://huggingface.co/docs/transformers/tasks/sequence_classification. Po slovensky zapíšte vlastnými slovami čo ste urobili a čo ste zistili. Zapíšte každý krok.
• Vlastnými slovami zapíšte, čo všetko bude potrebné urobiť, aby sme vedeli klasifikovať slovenské texty.
• Vytvorte si GIT repozitár a dajte do neho vytvorené skripty na parsovanie stránok.

Stretnutie 18.3.2022

Úlohy:

• Nainštalovať si systém Anaconda
• Napíšte návod ako nainštalovať a používať systém Anacona
• Nainštalovať si knižnicu BeautifulSoup4, prejsť si tutoriál
• napíšte krátky úvod do knižnice Huggingface Transformers
• Prečítajte si články o hlbokých neurónových sieťach a spracovaní prirodzeného jazyka