History

dano 0c81fc8076 Update 'pages/students/2018/david_omasta/README.md'		2023-12-08 09:49:03 +00:00
..
README.md	Update 'pages/students/2018/david_omasta/README.md'	2023-12-08 09:49:03 +00:00

README.md

title

published

taxonomy

Dávid Omasta

true

Diplomová práca 2024

Vedúci: Ján Staš

Návrh na názov:

Generatívne modely slovenského jazyka

Návrh na zadanie DP:

Vypracujte prehľad najnovších generatívnych neurónových jazykových modelov.
Vypracujte prehľad slovenských a multilinguálnych generatívnych jazykových modelov.
Navrhnite experiment, pri ktorom bude model generovať odpovede na zadané otázky a kontext.
Analyzujte výsledky experimentu vhodným spôsobom a identifikujte možné zlepšenia.

Ciele:

Pripraviť demo.
Pripravť vedecký článok z DP.

Stretnutie 8.12.

Stav:

Urobený Dockerfile a compose.
Pridaný experiment s mT5.
Práca na teoretickej časti.
Vyskúšaná LLAMA na idoc aj mt5-base ale nejde kvôli GPU

Stretnutie 10.11

Stav:

DP je rozpísaná. Existuje draft.
Vypracovaný experiment s Slovak t5 small

Úlohy:

[-] Opravte DP podľa pokynov
Pridajte experiment s mt5 small .https://huggingface.co/google/mt5-small
[-] Pripravte demo na nasadenie. Zmente Windows kontajner na Linux.
zdrojáky dajte na kemt GIT

Zásobník úloh:

[-] Skúste generovanie odpovedí s modelom LLAMA alebo podobným.
Skúste generovanie odpovedí s "base" modelmi na školskom servri.

Stretnutie 6.10

Stav:

Práca na Dockerfile so streamlit

Úlohy:

Pozrieť a pracovať na minulých otvorených úlohách.
Pripraviť draft na prečítanie.

Zásobník úloh:

Vyskúšať aj iné generatívne modely a pripraviť z nich experimenty.
Pripraviť a vyskúšať aj iné dátové množiny.

Diplomová práca 2023

Téma: Dotrénovanie slovenského generatívneho jazykového modelu.

Vedúci: Ján Staš

Návrh na názov:

Generatívne modely slovenského jazyka

Návrh na zadanie DP:

Vypracujte prehľad najnovších generatívnych neurónových jazykových modelov.
Vypracujte prehľad slovenských a multilinguálnych generatívnych jazykových modelov.
Navrhnite experiment, pri ktorom bude model generovať odpovede na zadané otázky a kontext.
Analyzujte výsledky experimentu vhodným spôsobom a identifikujte možné zlepšenia.

Ciele na zimný semester:

Praktické:

Rozbehajte proces dotrénovania jazykových modelov pomocou knižnice Huggingface Transformers
Vyberte alebo vytvorte vhodnú dátovú množinu ktorá bude obsahovať slovenské dialógu.
Vyskúšajte slovenský generatívny model GPT a dotrénujte ho pre použitie v dialógovom systéme.
Vytvorte demonštračnú aplikáciu.

Teoretické:

Vypracujte prehľad najnovších generatívnych neurónových jazykových modelov (cca 20 strán).
Napíšte návod na inštaláciu a návod na použitie skriptov pre dotrénovanie (cca 5 strán).

Stretnutie 25.4.

Stav:

Napísaný draft práce
Pripravené demo s generovaním otázok pomocou t5, huggingface, streamlit, fastapi.
Git je momentálne na https://git.kpi.fei.tuke.sk/do867bc

Úlohy:

Pracovať na textovej časti podľa poznámok - zlepšiť text, štruktúru a úpravu.
Vytvoriť repozitár na git.kemt.fei.tuke.sk a dajte tam zdrojáky
Finalizovať repozitár s demom. Pridajte odkazy na modely, modely nedávajte na GIT. Na git dajte zdrojové kódy v Python a Notebooky. Pridajte README s opisom kódov a návodom na inštaláciu.
Skontrolujte výsledky ROUGE, vyzerajú podozrivo.

Zásobník úloh:

Vytvorte Dockerfile

Stretnutie 24.2.2023

Stav:

Rozbehaný notebook na dotrénovanie slovenského t5 na úlohu generatívneho question answering.

Úlohy:

Dajte notebook na GIT
Vyhodnnotte presnosť generovania odpovede pomocou P-R-F1 pre celú dev množinu.
[-] Pokračujte v písaní textu DP. Opíšte slovenský QA dataset. Slovne opíšte experiment. Aký postup ste použili, aké dáta, aké modely.
Zopakujte experiment pre model mt5-small, mt5-base. Výsledky dajte do tabuľky.

Stretnutie 24.11

Stav:

nainštalované prostredie na idoc, spustený hf skript run_generation.py
prečítané články.

Úlohy:

[-] písomne vysvetlite ako funguje neurónová sieť typu Transformer . Uveďte odkazy na odborné články.
Písomne vysvetlite, čo to je generatívny jazykový model a ako funguje. Uveďte odkazy na najnovšie články o generatívnych jazykových modeloch - T5, GPT, BART.
Vyskúšajte tento skript run_clm.py : https://github.com/huggingface/transformers/tree/main/examples/pytorch/language-modeling. Pozrite si príklad na run_mlm.py v repozitári https://git.kemt.fei.tuke.sk/dano/bert-train v adresári hugging/roberta-train
Pozrite si tento tutoriál https://towardsdatascience.com/fine-tune-a-non-english-gpt-2-model-with-huggingface-9acc2dc7635b
Pozrite si toto demo https://huggingface.co/blog/few-shot-learning-gpt-neo-and-inference-api
Vytvorte si git repozitár do ktoréhu budete ukladať Vaše skripty.
Vyskúšajte slovenský GPT model https://huggingface.co/Milos/slovak-gpt-j-162M (je malý, stredný, veľký)

Stretnutie 14.10.

Stav:

Na vlastnom počítači rozbehané Anaconda, Pytorch a CUDA.
Prečítané články.

Úlohy:

Pokračovať.

Stretnutie 7.10.

Stav:

Obznámený s Google Colab. Vyskúšané tutoriály BERT text classification,

Úlohy:

[-] Prečítajte si ako funguje neurónová sieť typu Transformer a [ ] písomne to vysvetlite. Uveďte odkazy na odborné články.
Písomne vysvetlite, čo to je generatívny jazykový model a ako funguje. Uveďte odkazy na najnovšie články o generatívnych jazykových modeloch - T5, GPT, BART.
Nainštalujte si prostredie Anaconda, knižnicu PyTorch s podporou CUDA a knižnicu HF transformers. Použite server idoc.
Vyskúšajte tento skript: https://github.com/huggingface/transformers/tree/main/examples/pytorch/text-generation.

Zásobník úloh:

Prečítajte si ako funguje neurónová sieť typu GPT a písomne to vysvetlite, Uveďte odkazy na odborné články.
Vyskúšajte tento tutoriál https://towardsdatascience.com/fine-tune-a-non-english-gpt-2-model-with-huggingface-9acc2dc7635b
Pozrite si toto demo https://huggingface.co/blog/few-shot-learning-gpt-neo-and-inference-api
Vytvorte si git repozitár do ktoréhu budete ukladať Vaše skripty.
Vyskúšajte slovenský GPT model https://huggingface.co/Milos/slovak-gpt-j-162M (je malý, stredný, veľký)