forked from KEMT/zpwiki
85 lines
3.4 KiB
Markdown
85 lines
3.4 KiB
Markdown
---
|
|
title: Spracovanie prirodzeného jazyka a jazyk Python
|
|
published: true
|
|
---
|
|
|
|
# Tímový projekt 2019
|
|
|
|
[Daniel Hládek](../) - odporúčaný čas konzultácie: štvrtok o 9:00
|
|
|
|
Ciele:
|
|
|
|
- oboznámiť sa so základmi spracovania prirodzeného jazyka
|
|
- oboznámiť sa s jazykom Python
|
|
- špecifikovať zadanie diplomovej práce
|
|
- naučiť sa pracovať s [odbornou literatúrou](../zp)
|
|
- oboznámiť kolegov s obsahom vykonanej práce
|
|
|
|
# Študenti a témy
|
|
|
|
- [Maroš Harahus](../../../../students/2016/maros_harahus) "Part of Speet Tagging" pomocou Spacy
|
|
- [Lukáš Pokrývka](../../../../students/2016/lukas_pokryvka) "Paralelné trénovanie sémantických modelov prirodzeného jazyka" (word2vec, word embeddings, GloVe, fastText)
|
|
- [Ján Holp](../../../../students/2016/jan_holp) (získavanie informácií)
|
|
- Dominik Nagy (spelling correction, fairseq)
|
|
- Dárius Lindvai (punctuation restoration, [tutorial](https://medium.com/@praneethbedapudi/deepcorrection2-automatic-punctuation-restoration-ac4a837d92d9), pytorch, LSTM tutorial)
|
|
- Jakub Maruniak (prodigy, vytvorenie korpusu, [named-entity](../prodigy),
|
|
|
|
## Podmienky na zápočet
|
|
|
|
Rozsah výstupu min. 3 A4 kvalitného textu
|
|
|
|
- Vypracovaný tutoriál alebo rešerš vybranej metódy (8. a 13. týždeň)
|
|
- vypracovaný prehľad literatúry vybranej metódy (min. 10 odkazov)
|
|
- odovzdanie textu cez [MOOODLE](https://moodle.tuke.sk/moodle35/course/view.php?id=874) kľúč je TP2019
|
|
- odovzdanie textu na GIT do Vašej profilovej stránky
|
|
|
|
|
|
# Dátumy stretnutí
|
|
|
|
- 10.10 - Harahus, Holp
|
|
- 14.10. - Nagy, Maruniak, Pokrývka (prečítať knihu, vybrať tému)
|
|
- 17.10 - Harahus, Lindvai (Prečítať knihu, prejsť Spacy tutoriál, nainštalovať Anaconda)
|
|
- 24.10 - Pracovná cesta
|
|
- 28.10 o 9:00, Holp, Harahus
|
|
- 31.10 - Dekanské voľno
|
|
- 4.11 - Maruniak
|
|
- 7.11 o 13:40 - Lindvai, Nagy, Pokrývka, Harahus
|
|
- 14.11 - Lindvai, Harahus, Holp
|
|
- 21.11 - Lindvai
|
|
- 28.11 - Harahus, Holp
|
|
- 5.12. - Harahus
|
|
- 12.12. - Holp, Harahus
|
|
- 15.1. Nagy
|
|
|
|
|
|
Dárius Lindvai
|
|
|
|
- Rešerš tak na 3 strany - čo najnovšie sa píše na tému "puctuation restoration"
|
|
- krátky program a tutoriál (program s rozsiahlym komentárom ) v Pythone na využitie LSTM, napr. podobne [ako](https://pytorch.org/tutorials/beginner/nlp/sequence_models_tutorial.html).
|
|
- [zaujimavy blog](http://jalammar.github.io/illustrated-transformer/)
|
|
|
|
|
|
Jakub Maruniak
|
|
|
|
- Vypracujte min. 4. stranový rešerš na tému "Crowdsourcing"
|
|
- citujte min. 10 najvýznamnejších bibliografických zdrojov
|
|
|
|
Dominik Nagy:
|
|
|
|
- Vypracujte min. 4 stranový rešerš na tému: "Sequence to Sequence" (Encoder-Decoder, seq2seq, transformer, attention)
|
|
- citujte min. 10 najvýznamnejších bibliografických zdrojov
|
|
|
|
15.1.2020:
|
|
- Prečítajte si o [konvolučných sieťach](http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp/)
|
|
- Prečítajte si Sequence to Sequence Convolutional Neural Network for Automatic
|
|
Spelling Correction
|
|
- Skúste si nainštalovať nástroj fairseq
|
|
- prejdite si tutoriál https://github.com/pytorch/fairseq/blob/master/examples/translation/README.md
|
|
|
|
|
|
Návrh na zadanie DP:
|
|
|
|
- Vypracujte teoretický prehľad metód "sequence to sequence".
|
|
- Pripravte si dátovú množinu na trénovnie modelu sequence to sequence pre úlohu opravy preklepov.
|
|
- Vyberte minmálne dva rôzne modely a porovnajte ich presnosť na vhodnej dátovej množine.
|
|
- Na základe výsledkov experimentov navrhnite zlepšenia |