diff --git a/pages/students/2019/filip_tomas/README.md b/pages/students/2019/filip_tomas/README.md index deb290874..155051ad9 100644 --- a/pages/students/2019/filip_tomas/README.md +++ b/pages/students/2019/filip_tomas/README.md @@ -14,6 +14,9 @@ DP sa prekladá na rok 2025 # Diplomová práca 2024 - 2025 + +Vektorové vyhľadávanie dokumentov v prostredí Kubernetes + Zadanie: 1. Napíšte prehľad metód vektorovej reprezentácie dokumentov pomocou neurónových sietí. @@ -28,6 +31,22 @@ Ciel: Spolupráca Michal Stromko, Kristián Sopkovič. Huzenko +Stretnutie: + +Stav: +- Text je rozpísaný. + +Úlohy: + +- Zlepšiť štruktúru práce + +Stretnutie 10.3.2025 + +Stav: + +- Zaindexovaná slovenská Wikipédia na servri QUADRO. Trvalo to niekoľko hodín na jednej karte - SlovakBERT. +- Práca na texte. +- RPI už funguje (2x reštart, problém s káblom). Stretnutie 21.2.2025 @@ -37,7 +56,6 @@ Stav: - Treba reštartovať RPI Klaster. - Stretnutie 17.1.2025 Stav: @@ -72,7 +90,7 @@ Stav: - Skripty aj konfiguráky dávajte na GIT. - Urobte skripty pre "prípravu" klastra. -- Urobte skripty pre nasadenie Mulvus na Klaster. +- Urobte skripty pre nasadenie Milvus na Klaster. - Pokračujte v písaní práce. diff --git a/pages/students/2021/artur_hyrenko/README.md b/pages/students/2021/artur_hyrenko/README.md index 3270f526a..acb240fde 100644 --- a/pages/students/2021/artur_hyrenko/README.md +++ b/pages/students/2021/artur_hyrenko/README.md @@ -12,7 +12,25 @@ rok začiatku štúdia: 2021 # Diplomová práca 2026 -Vyhondotenie jayzkových modelov +Vyhodndotenie jazykových modelov + + +Stretnutie 28.2.2025 + +Stav: + +- Vyskúšané LM (cez ollama, aj API) Python (in progress). + + +Úlohy: + +- Pokračujte v štúdiu. +- Pozrite sa na článok a dataset https://github.com/kinit-sk/gest . Urobte si poznámky. Zistite aké jazykové modely majú podporu slovenského jazyka. Zistite ako sa vyhodnocuje bias v jazykových modelov. Zistite, aké podobné množiny existujú pre iné jazyky. + +Zásobník úloh: + +- Porovnajte viaceré modely pre mieru výskyt rodových stereotypov. Môže byť aj pre viaceré jazyky (slovenčina, angličtina, ruština). +- Zistitie, ako je možné potlačiť neželané vlastnosti modelu. (https://huggingface.co/docs/trl/en/index, https://github.com/allenai/open-instruct). Stretnutie 5.2.2025 @@ -28,6 +46,8 @@ Stretnutie 5.2.2025 Zásobník úloh: - Nájdite na webe zaujímavý zdroj otázok a odpovedí, ktorý by bol vhodný na vyhodnotneie jazykového modelu. -- Vyberte úlohu vhodú na anotáciu (spolu s vedúcim). +- Vyberte úlohu vhodnú na anotáciu (spolu s vedúcim). + + diff --git a/pages/students/2021/martin_sarissky/README.md b/pages/students/2021/martin_sarissky/README.md index 30fcd0a41..903608fee 100644 --- a/pages/students/2021/martin_sarissky/README.md +++ b/pages/students/2021/martin_sarissky/README.md @@ -11,8 +11,12 @@ rok začiatku štúdia: 2021 # Diplomová praca 2026 + Ciele: +- Vytvoriť systém pre spracovanie právnych informácií. Systém by mal vedieť vyhľadávať v rozsudkoch, zákonoch a vyhláškac +, odpovedať na otázky a sumarizovať dokumenty. Je možné , že riešenie úlohy si vyžiada viac krokov. +- Vytvoriť sadu vzorových úloh pre vyhodnotenie takéhoto systému. - Zlepšiť generovanie odpovedí pre úlohy vyžadujúce viac krokov. Príprava: @@ -27,6 +31,31 @@ Príprava: - Čo je to inferenčný server. Zistite čo je to VLLM, na čo je to dobré. Pozri si LocalAI. +Stretnutie 10.3.2025 + +Úlohy: + +- Preštudovať - ako zostaviť RAG systém pomocou LangChain +- Zistiť ako fungujú agentové systémy na báze LLM - React. A volanie "nástrojov" function calling pomocou LLM. +- Vytvoriť RAG systém pre spracovanie tejto databázy. Pozrite si: Inšpirácia prácou Valerii Kutsenko, Yevhenii Leonov, [Oleh Poiasnik](/students/2022/oleh_poiasnik). Môžete sa inšpirovať [GIT BP Poiasnik](https://git.kemt.fei.tuke.sk/op405wm/Bakalarska_praca) (úloha Ščišľak) +- Vytvoriť databázu právnych informácií - texty zákonov, vyhlášok a rozsudkov spolu s metainformáciami. Vedúci pridelí prístup na QUADRO. (úloha Šarišský) +- Získajte prístup na QUADRO. V adresári /mnt/sharedhome/hladek/corpora/slovak_law/ sú dáta. Dáta premente do JSON. +Extrahujte text, vytiahnite metainformácie. Na extrakciu textu využite vhodnú knižnicu. Napr. Apache TIKA. + +Myšlienkový postup pre ZP: + +1. Zadefinujete úlohu a pojmy. +2. Vysvetlíte, ako sa táto úloha rieši vo svete. +3. Napíšete, ako ste túto plohu riešlili Vy a prečo. +4. Vyhodnottíte Vaše riešenie. Porováte výsledky so svetom a identifikujete miesta na zlepšenie. + +Zásobník úloh: + +- Dáta sa vložia do databázy a zaindexujú vhodným SBERT modelom. +- Vyhľadať na internete množinu vzorových právnych otázok a vyhodnotiť systém (Šarišský) + + + diff --git a/pages/students/2021/matej_novotny/README.md b/pages/students/2021/matej_novotny/README.md index 63c08d87b..177547caa 100644 --- a/pages/students/2021/matej_novotny/README.md +++ b/pages/students/2021/matej_novotny/README.md @@ -23,8 +23,8 @@ Stretnutie: Úlohy: - Naučte sa Python. Nainštalujte si prostredie Anaconda. -- Naučte sa pracovať s knižnicou Transformers a HuggingFace Hub- prejdite si jeden alebo 2 tutoriály na klasifikáciu textu. -- Zistitee čo je to jazykový model a urobte si poznámky. +- Naučte sa pracovať s knižnicou Transformers a HuggingFace Hub - prejdite si jeden alebo 2 tutoriály na klasifikáciu textu. +- Zistite čo je to jazykový model a urobte si poznámky. - Pozrite si knihu Deep Dive into Deep Learning a napíšte si poznámky. - Zistite, ako funguje neurónová sieť typu Transformer a napíšte si poznámky. - Zistite, čo je to korpus textov mc4. @@ -35,3 +35,21 @@ Zásobník úloh: - Vytovrte množinu príkladov textov z webu a zotriedte ich podľa kvality a druhu. - Natrénujte neurónovú sieť pre rozlišovanie druhov textov. +Stretnutie 28.3.2025 + +Stav: + +- Naštudovaný Python, neurónové siete čiastočne. + +Úlohy: + +- Pozrite si dataset https://huggingface.co/datasets/allenai/c4 +- Pozite si knihu https://d2l.ai/ +- Pokračujte v štúdiu HF transformers, vyskúšajte si tutoriály. +- Sústredte sa na "Document Classification". a Document Embeddings. Tu sa používajú tzv. encoder-only modely, napr. BERT, SentenceTransformer. + +Zásobník úloh: + +- definovať kategórie, ktoré sú dôležité z hľadiska jazykového modelovania. Ku každej kategórii budú potrebné príklady. +- Príklad kategórie: Novinový článok, blog, diskusia, urážlivý text, kniha, odborný článok, doménovo orientovaný text - právo, medicína, reklamna, eshop, inzerát, nelegálny obsah, + diff --git a/pages/students/2021/matej_scislak/README.md b/pages/students/2021/matej_scislak/README.md index 1388c68be..95fa5445d 100644 --- a/pages/students/2021/matej_scislak/README.md +++ b/pages/students/2021/matej_scislak/README.md @@ -24,6 +24,27 @@ Príprava: - Zistite ako funguje dotrénovnaie veľkých jazykových modelov. Zistite čo je to PEFT (LORA, QLORA) a čo je to kvantizácia. Zisite čo je to "few shot" prompting. - Čo je to inferenčný server. Zistite čo je to VLLM, na čo je to dobré. Pozri si LocalAI. +# Diplomová práca 2026 + +Ciele: + +- Vytvoriť systém pre spracovanie právnych informácií. Systém by mal vedieť vyhľadávať v rozsudkoch, zákonoch a vyhláškac +, odpovedať na otázky a sumarizovať dokumenty. Je možné , že riešenie úlohy si vyžiada viac krokov. +- Vytvoriť sadu vzorových úloh pre vyhodnotenie takéhoto systému. + +Stretnutie 10.3.2025 + +Úlohy: + +- Preštudovať - ako zostaviť RAG systém pomocou LangChain +- Zistiť ako fungujú agentové systémy na báze LLM - React. A volanie "nástrojov" function calling pomocou LLM. +- Vytvoriť databázu právnych informácií - texty zákonov, vyhlášok a rozsudkov spolu s metainformáciami. Vedúci pridelí prístup na QUADRO. (úloha Šarišský) +- Vytvoriť RAG systém pre spracovanie tejto databázy. Inšpirácia prácou Valerii Kutsenko, Yevhenii Leonov, [Oleh Poiasnik](/students/2022/oleh_poiasnik). Môžete sa inšpirovať [GIT BP Poiasnik](https://git.kemt.fei.tuke.sk/op405wm/Bakalarska_praca) (úloha Ščišľak) +- Vyhľadať na internete množinu vzorových právnych otázok a vyhodnotiť systém (Šarišský) + + + + # Bakalárska práca 2024 diff --git a/pages/students/2021/nikita_bodnar/README.md b/pages/students/2021/nikita_bodnar/README.md index b02ef02a0..ff25cf50f 100644 --- a/pages/students/2021/nikita_bodnar/README.md +++ b/pages/students/2021/nikita_bodnar/README.md @@ -18,18 +18,41 @@ Zadanie: 2. Vyberte a pripravte slovenské dáta do vhodnej podoby a aplikujte viacero existujúcich modelov na opravu textu. 3. Číselne a slovne vyhodnoťte modely a navrhnite zlepšenia. +Stretnutie 27.3. + +Stav: + +- Text je v lepšom stave. + +Stretnutie 11.3. + +Stav: + +- Vypracované experimenty pre obnovu interpunkcie, zatiaľ na dosť krátkom texte. Výsledky sú v nejakej prezentácii. +- Práca na texte BP ??? + +Úlohy: + +- Na experimenty použite text z Wikipedia Dejiny Košic https://sk.wikipedia.org/wiki/Dejiny_Ko%C5%A1%C3%ADc +- Do práce napíšte, že používate metódu "Zero Shot" - bez dotrénovania. Porovnajte túto metódu sFew Shot a SFT (Supervised Finetuning). +- Do prehľadu doplnte odkazy na odborné články - nájdete ich na Google Scholar. +- Čím skôr odovzdajte text BP pre získanie spätnej väzby +- Nové Kódy pre experimenty nahrajte na GIT. + +Stretnutie: + Stav: - Vybratá množina c4 - Vyhodnotenie SlovakBERT, mBERT a Roberta Base pre EN. -- Naprogramované úloha doplnenie interpunkcie. Kódy sú na GITE. +- Naprogramované úloha doplnenie interpunkcie. Kódy sú na GITE. Úlohy: -- Vyberte slovenské texty z množiny mC4. Na vybranom texte zopakujte experimenty. -- Doplnte ďalšie modely typu BERT s podporou slovenčiny. Modely vo veľkosti BASE: Fernet, HPLT, xlm-r, mdeberta, distilmbert -- Vypracujte tabuľky s výsledkami experimentov. -- Do práce opíšte experimenty. +- [ ] Vyberte slovenské texty z množiny mC4. Na vybranom texte zopakujte experimenty. +- [x] Doplnte ďalšie modely typu BERT s podporou slovenčiny. Modely vo veľkosti BASE: Fernet, HPLT, xlm-r, mdeberta, distilmbert +- [x] Vypracujte tabuľky s výsledkami experimentov. +- [-] Do práce opíšte experimenty. Zásobník úloh: diff --git a/pages/students/2022/oleh_poiasnik/README.md b/pages/students/2022/oleh_poiasnik/README.md index c4c2ce82b..eb9b3805d 100644 --- a/pages/students/2022/oleh_poiasnik/README.md +++ b/pages/students/2022/oleh_poiasnik/README.md @@ -36,6 +36,21 @@ Vyhľadávanie právnych informácií pomocou neurónových sietí RAG: Generovanie jazyka s pomocou vyhľadávania - Retrieval augmented generation +Stretnutie 28.3.2025 + +Stav: + +- Agent funguje super. +- Kódy sú na osobnom githube + +Úlohy: + +- Kódy dajte na KEMT GIT. +- Dopracujte Docker Compose. +- Zverejnite demo, napr. pomocou TUKE Cloud. + + + 13.2.2025 Stav: diff --git a/pages/students/2022/serhii_yemets/README.md b/pages/students/2022/serhii_yemets/README.md index 89f2135e2..a6cf87d18 100644 --- a/pages/students/2022/serhii_yemets/README.md +++ b/pages/students/2022/serhii_yemets/README.md @@ -29,6 +29,42 @@ Návrh na zadanie bakalárskej práce: 4. Vytvorte webové demo pre rozpoznávanie pomenovaných entít. 5. Identifikujte spôsoby možného zlepšenia natrénovaného modelu pre rozpoznávanie pomenovaných entít. +Stretnutie 28.3.2025 + +Stav: + +- spojené datasety: wikiann a conll2003. Pomohlo to. Dosiahli sme 0.9 na SLovak BERT. + +Úlohy: + +- Skúste zlepšiť model. +- Zverejniť model. V spolupráci s vedúcim. Ku modelu pripravte krátky opis ako bol trénovaný a aké výsledky dosiahol. +- Definujte a zlepšite štruktúru práce. Práca postuypuije od všeobecného ku konkrétnemu. Kapitoly by mali byť konzistentné s názvom. Prezentujte ako ste splnili zadanie. Zlepšite jazykovú úroveň práce. Dôsledne používajte jednotnú terminológiu. + +Zásobník úloh: + +- Pridajte ďalšie dáta a pretrénujte model. V prípade potreby dostanete prístup na školský server. + +Stretnutie 21.3.2025 + +Stav: + +- Zlepšenie procesu trénovania modelu - viac epoch, použitie LORA. +- Použitie SlovakBERT a WikiANN dataset. +- Urobené Web DEMO. +- Text nie je pokrok. + +Úlohy: + +- Zdrojové texty pre trénovnanie a pre demo dajte na KEMT GIT. +- Zlepšite výsledky trénovania. Skúste iné parametre LR. Skúste inú dátovú množinu. Skúste spojiť viaceré dátové množiny do jednej. +- Porovnajte viacero modelov. ModernBERT, mbert, hplt bert base, slovak roberta, Výsledky dajte do tabuľky. Opíšte postup experimentov. +- Pracujte na texte, hlavne na praktickej časti. + +Zásobník úloh: + +- Vyskúšajte generatívne modely Slovak T5 base, Slovak Mistral 7B. + Stretnutie 20.12.2024 Stav: @@ -41,8 +77,8 @@ Stav: - Pripravte si prezentáciu. - Textu dajte na moodle, skripty dajte na git. -- Pokračujte v písaní. Doplnte časť o spôsobe anotovania NER - značkovanie BIO (beginning, inside, outside) alebo iné. Doplnte časť o vyhodnotení - precision,recall, F1. Doplnte odkazy na dátové množiny. Používajte odkazy na vedecké články. -- Zlepšite presnosť Vášho modelu. Do BP napíšte prioebeh trénovania a vyhodnotenia. Výsledky experimenotv zapíšte do tabuľky. +- Pokračujte v písaní. Doplňte časť o spôsobe anotovania NER - značkovanie BIO (beginning, inside, outside) alebo iné. Doplôte časť o vyhodnotení - precision,recall, F1. Doplňte odkazy na dátové množiny. Používajte odkazy na vedecké články. +- Zlepšite presnosť Vášho modelu. Do BP napíšte priebeh trénovania a vyhodnotenia. Výsledky experimenotv zapíšte do tabuľky. Zásobník úloh: @@ -70,10 +106,10 @@ Stav: Zásobník úloh: -- Natrénujte nový Spacy NER model ktorý by bol lepší ako pôvodný. +- Natrénujte nový Spacy NER model ktorý by bol lepší ako pôvodný. - Spojte viacero dátových množin (manuálne anotovaných) do jednej a použite je na natrénovanie modelu. - Použite veľký jazykový model pre NER anotáciu a porovnajte ho s menším dotrénovaným NER modelom. -- Vykonané experimenty slovne opíšte a výslekdy zapíšte do tabuliek. Výsledky slovne okomentujte. +- Vykonané experimenty slovne opíšte a výsledky zapíšte do tabuliek. Výsledky slovne okomentujte. Stretnutie 20.5.20204 diff --git a/pages/students/2022/tetiana_mohorian/README.md b/pages/students/2022/tetiana_mohorian/README.md index 797b05c9c..3abe06b6b 100644 --- a/pages/students/2022/tetiana_mohorian/README.md +++ b/pages/students/2022/tetiana_mohorian/README.md @@ -36,6 +36,35 @@ Návrh na tému: - Na adaptáciu použite "prompting" a "LORA". - Vyhodnotte model pomocou [overovacej množiny](https://huggingface.co/datasets/TUKE-KEMT/hate_speech_slovak). +Stretnutie 28.3. + + +Stav: + +- Práca na stránke, frontend backend +- Práca na Telegram bot, vyhodnotenie s priateľmi. +- Few Shot Learning: 0.7 F1. Slovak T5-small model. +- Práca na lm-eval-harness, zatiaľ sa to nepodarilo. Task zatiaľ nefunguje, framework funguje. +- Pripravená aj TK Inter aplikácia. +- Pripravte webovú aplikáciu na zverejnenie pomocou Docker. + + +Úlohy: + +- Vedúci môže pomôcť s Task na LM E H - pripomente mi to ďalší týždeň. +- Využite iný model. Napr. Slovak T5 large alebo base. Alebo Slovak MIstral. +- Updatujte kódy na GITE. +- Do práce môžete dať screenshoty z Vašej aplikácie + + +Zásobník úloh: + +- Zverejnite Vašu aplikáciu napr. pomocou TUKE Cloud. + + + + + Stretnutie 13.2.2025 Stav: @@ -49,7 +78,7 @@ Stav: Úlohy: -- Pokračujte v písaní. Je potrebné zlepšiť jazyk, vyradiť príliš všeobecné časti, pridať odkazy na odbornú literatúru, zrozumiteľne opísať experimnty a výsledky. +- Pokračujte v písaní. Je potrebné zlepšiť jazyk, vyradiť príliš všeobecné časti, pridať odkazy na odbornú literatúru, zrozumiteľne opísať experimenty a výsledky. - Pripravte experiment s "few shot" a veľkým jazykovým modelom. Môžete použiť lm-eval-harness. - Skripty dajte na kemt git. diff --git a/pages/students/2022/valerii_kutsenko/README.md b/pages/students/2022/valerii_kutsenko/README.md index 976d5d8fa..f96cd51ca 100644 --- a/pages/students/2022/valerii_kutsenko/README.md +++ b/pages/students/2022/valerii_kutsenko/README.md @@ -34,6 +34,44 @@ Ako na to: - Natrénujte generatívny model pre generovanie otázok. Použite existujúci skript a množinu SKQUAD. - Určite, ktorá otázka je dobre vygenerovaná a ktorá nie. Tu môžete použiť: systém pre vyhľadávanie alebo neurónovú sieť pre otázky a odpovede. Ku otázke viete nájsť odpovede pomocou neurónovej siete. Výstupom by mala byť čo najkvalitnejšia množina otázok a odpovedí ku odsekom. - Výstupom by mala byť umelo generovaná databáza otázok a odpovedí. + +Stretnutie: + +Stav: + +- Urobené porovnanie vplyvu agmentovaných dát na question answering. +- Rozpísaná práca + +Úlohy: + +- Pokračujte v písaní. Doplne text o definícii úlohy, question generation, podrobnosti o experimnentoch, podrobnosti o procese generovania množiny QA. +- Najnovšie skripty dajte na GIT. + +Zásobník úloh: + +- Doplniť experimenty s inými modelmi (Slovak Mistral). + + +Stretnutie 7.3.2025 + +Stav: + +- Vytvorený skkript pre prípravu nového generovaného korpusu. Obsahuje kontext, otázku aj odpoveď. Zatiaľ nevie vyznačiť odpoveĎ v kontexte. +- Vygenerované korpusy otázok a odpovedí pre SKWIKI a prokuratúru. +- Natrénovaný model pre QA na základe SKWIKI generovaných dát - model slovak T5 base. Augmntovaná množina má zatiaľ 30k otázok. +- Vyzerá to tak, že model s augmentovanými dátami je o dosť lepší. Je to naozaj dobre? + +Úlohy: + +- Overiť či generované množina nie je príliš podobná overovacej. +- Pokračujte v písaní práce , opíšte experimenty, vypracujte tabuľky. +- Pozrite sa na článok O. Megela: Fine-Tuning and Evaluation of Question Generation for Slovak Language +- Pre porovnanie vyhodnotte modely sami (slovak-t5-base), dotrénujute na SKQUAD-train. Vyhodnocujete stále na test časti. POrovnajte s viacerými augmentovanými dátami. V niekroých testoch primiešajte aj skquad train. + + +Zásobník úloh: + +- Publikovať na konferencii. Stretnutie 25.2. diff --git a/pages/students/2022/vladyslav_yanchenko/README.md b/pages/students/2022/vladyslav_yanchenko/README.md index d3b53ca51..777e1a572 100644 --- a/pages/students/2022/vladyslav_yanchenko/README.md +++ b/pages/students/2022/vladyslav_yanchenko/README.md @@ -30,6 +30,34 @@ Nápad: - Vytvoriť webovú aplikáciu s použitím Spring Boot, využitie klaudovej databázy Azure a klaudového úložiska. realizovať JWT, využiť CI CD. +Stretnutie 21.3.2025 + +Stav: + +- Práca na obsahu BP. Stav zatiaľ nie je uspokojivý. +- Pridaný Ingress do aplikácie. +- Pridaný GMETER do monitorovania klastra. + +Úlohy: + +- Zlepšite text práce. Postupujte od všeobecného ku konkrétnemu. Spojte súvisiace časti. Definujte úlohu, vysvetlite základné pojmy. Predstavte Vaše riešenie. V experimentoch vyhodnotte Vaše riešenie a napíšte záver - nápady na zlepšenie. +- Použite generatívny model na zlepšenie gramaticky a štylistiky. +- Dbajte aby práca spĺňala zadanie. + +Stretnutie 27.2.2025 + +Stav: + +- Grafana a Prometheus inštalované cez K8s +- Práca na písomnej časti. + +Úlohy: + +- Zjednotiť zápis slova klaud +- Opraviť preklepy +- Opraviť šablónu + + Stretnutie 31.1.2025 Stav: diff --git a/pages/students/2023/yevhenii_medushivskyi/README.md b/pages/students/2023/yevhenii_medushivskyi/README.md index e293b1a15..4637afaec 100644 --- a/pages/students/2023/yevhenii_medushivskyi/README.md +++ b/pages/students/2023/yevhenii_medushivskyi/README.md @@ -23,5 +23,25 @@ Predbežné zadanie: 2. Získajte dáta z internetu a vytvorte korpus dát pre viaceré domény. 3. Využite získané dáta na tvorbu doménovo orientovaného jazykového modelu. +Stretnutie 28.2.2025 + +Úlohy: + +- Oboznámte sa s jazykom Python. Kniha Dive into Python 3, nainštalujte si prostredie Anaconda. +- Vypracujte prehľad webových korpusov pre trénovanie jazykových modelov a metód ich tvorby. C4 alebo mC4. Zoznam nájdete na https://github.com/slovak-nlp/resources. Napíšte si poznámky. Prečítajte si odborné články. +- Pozrite si projekty Apache Tika, Trafilatura, Apache Nutch, BeautifulSoup, Pupeteer (headless browser). + + +Zásobník úloh: + +- Získajte prístup na vhodný školský server a nakonfigurujte vlastný crawler na získavanie doménovo orientovaných dát. +- Vytvorte korpus súdnych dát - súdne rozhodnutia, zákony, vyhlášky, zmluvy. +- Vytvorte korpus medicínskych dát. +- Vytvorte korpus novinových článkov a blogov. +- Vytvorte korpus webových diskusií. +- Vytvorte korpus všeobecných dát. +- Vytvorené texty analyzujte. + +