zpwiki/pages/students/2016/patrik_pavlisin/README.md

title	published	taxonomy
Patrik Pavlišin	true	category tag author dp2022 bp2020 tp2021 nmt translation nlp Daniel Hladek

Patrik Pavlišin

Diplomová práca 2022

Predbežný názov: Neurónový strojový preklad

Návrh na nástroje pre strojový preklad:

• OpenNMT-py
• Fairseq
• Hugging Face Transformers

Návrh na zadanie diplomovej práce

1. Pripraviť prehľad aktuálnych metód strojového prekladu pomocou neurónových sietí.
2. Vybrať konkrétnu metódu strojového prekladu pomocou neurónových sietí a podrobne ju opísať.
3. Pripraviť vybraný paralelný korpus do vhodnej podoby a pomocou vybranej metódy natrénovať model pre strojový preklad.
4. Vyhodnotiť experimenty a navrhnúť možnosti na zlepšenie.

Diplomový projekt 2

Ciele na semester:

1. Natrénovať "kvalitný model" na preklad z angličtiny do slovenčiny.
2. Napísať draft diplomovej práce.

Zásobník úloh:

• natrénovať aj iné preklady (z a do češtiny).

17.12.2021

• Vylepšený draft práce.
• Nové vyhodnotenie a výsledky modelu.
• Trénovanie na česko-anglickom korpuse.

Úlohy:

• natrénujte na tomto EN-SK korpuse: https://lindat.mff.cuni.cz/repository/xmlui/handle/11858/00-097C-0000-0006-AAE0-A
• Pokračujte v otvorených úlohách z minulého stretnutia.
• Výsledky experiemntov zhrňte do tabuľky. Poznačte architektúru neurónovej siete, parametre trénovania.
• Skúste rozbehať trénovanie na GPU.

1. Vytvorte nové conda prostredie. Spustite: conda install pytorch=1.8.1cudatoolkit=10.1 -c pytorch
2. Nainštalujte OpenNMT.

26.11.2021

Natrénovaný prvý model OpenNMT na korpuse europarlament. Výslekdy vyzerajú OK, ale sú chaotické. Pravdepodobne bolo trénovanie prerušené predčasne. Zatiaľ nefunguje trénovanie na GPU.

Úlohy:

• Pokračujte v trénovaní Europarl. Modelu, skúste vylepšiť výsledky.
• Trénovanie robte opakovateľným spôsobom - dajte na git nastavenia a trénovacie skripty, ale nie textové dáta. Len poznačte odkiaľ ste ich stiahli.
• Pokračujte v práci na texte - myšlienky by mali logicky nasledovať za sebou.

12.11.2021

Práca na texte

Úlohy:

• Zlepšiť štruktúru práce
• Dotrénovať a vyhodnotiť model slovenčina-angličtina.

28.10.

Stav:

• Vypracovaný draft článoku o transformeroch, treba vylepšiť. Článok je na ZP Wiki
• Problém pri príprave trénovacích dát.

Úlohy:

• Naučte sa pripravovať textové dáta. Prejdite si knihu https://diveintopython3.net aspoň do 4 kapitoly. Vypracujte všetky príklady z nej.
• Pokračujte v práci na článku. Treba doplniť odkazy do textu. Treba zlepšiť štruktúru a logickú náväznosť viet. Vysvetlite neznáme pojmy.
• Zmente článok na draft diplomovej práce. Vypracujte osnovu diplomovej práce - napíšte názvy kapitol a ich obsah. Zaraďte tam text o transformeroch ktorý ste vypracovali.
• Pripravte textové dáta do vhodnej podoby a spustite trénovanie.

Stretnutie 30.9.

Stav:

• Len začaté štúdium článkov, ostatné úlohy zostávajú otvorené.

Úlohy:

• Pokračovať v úlohách zo 17.6.
• Na trénovanie použite OpenNMT.
• Vytvorte si repozitár dp2022 a do neho dajte skripty na natrénovanie modelov. Nedávajte tam veľké dáta, ale dajte tam skript na ich stiahnutie, napr. pomocou wget.
  • prepare-env.sh : ako ste vyttvorili Vaše prostredie - nainštalovali programy.
  • download-data.sh: ako ste získali dáta
  • prepare-data.sh: ako ste pripravili dáta
  • train1.sh: ako ste natrénovali model
  • evaluate1.sh: ako ste vyhodnotili model.

Diplomový projekt 1

Stretnutie 17.6.

• Splnené podmienky na zápočet.
• Napísaný tutoriál a úvod do NMT

Úlohy:

• Skúste zlepšiť presnosť strojového prekladu. Modifikujte setup tak, aby sa výsledky zlepšili.
• Preštudujte si architektúru neurónovej siete typu Transformer. Prečítajte si blogy a urobte poznámky, Prečítajte si článok s názvom "Attention is all you need.". Urobte si poznámky čo ste sa dozvedeli.
• Preštudujte si architektúru typu enkóder-dekóder. Urobte si poznámky čo ste sa dozvedeli a z akých zdrojov. Využívajte vyhľadávač Scholar.

Stretnutie 9.4.

Stav:

• Problém pri OpenNMT-py Quickstart - Nvidia driver nefunguje v prostredí WSL1. riešenie - vypnúť GPU training alebo trénovať na IDOC.
• Napísané poznámky o NMT na cca 3 strany, na zpwiki

Úlohy:

• Vysvetlite vlastnými slovami čo to je neurónová sieť. Ak sa niečo dozviete z článku, povedzte vlastnými slovami čo ste sa dozvedeli a z akého článku ste sa to dozvedeli.
• Vysvetlite vlastnými slovami ako prebieha neurónový preklad. Vysvetlite, ako sa text premení do formy ktorá je zrozumiteľná pre neurónovú sieť. Vysvetlite čo je výstupom neurónovej siete a ako sa ten výstup premení na text.
• Napíšte to do markdown súboru na zpwiki.
• Dokončite tutoriál OpenNMT-py.

Stretnutie 12.3.

Stav:

• poznámky k článku "Google’s neural machine translation system .
• Śtúdium ostatných článkov pokračuje.
• Problém - aktuálna verzia OpenNMT-py nefunguje s pythonom 3.5. Je potrebné využit Anacondu.

Úlohy:

• Vypracujte poznámky k článkom
• Pokračujte v tutoriáli OpenNMT-py cez prostredie Anaconda.
• Poznámky pridajte na zpWiki vo formáte Markdown

Stretnutie 18.2.

Stav:

• Vypracovaný článok z minulého semestra

Úlohy:

• V linuxovom prostredí (napr. idoc) si vytvorte python virtuálne prostredie:
  • vytvorte si adresár s projektom
  • mkdir ./venv
  • python3 -m virtualenv ./venv
  • source ./venv/bin/activate
  • Keď skončíte: deactivate
• Prejdite si tutoriál https://github.com/OpenNMT/OpenNMT-py
• Prečítjte si články z https://opennmt.net/OpenNMT-py/ref.html
• Vypracujte poznámky k článku "Google’s neural machine translation system: bridging the gap between human and machine translation. arXiv preprint arXiv:1609.08144, 2016". Čo ste sa z čánku dozvedeli?

Tímový projekt 2021

Ciel:

• vytvoriť článok s témou "Štatistický preklad".
• vytvoriť článok, publikovateľný na konferencii

Virtuálne stretnutie 4.12.2020

Stav:

• Vypracovaný prehľad na tri strany, prečítané 3 články.
• Prístup treba zlepšiť.

Úlohy na ďalšie stretnutie:

• Pokračujte v písaní. Prečítajte si min. 10 článok na tému strojový preklad a ku každému napíšte čo ste sa dozvedeli.
• Zamerajte sa na články o neurónovom strojovom preklade. Zistite a napíšte čo je to archtektúra encoder-decoder. Napíšte aké neurónové siete sa najviac používajú.
• Pozrite Ondrej Megela, Martin Jancura, Dominik Nagy
• Navrhnite zadanie diplomovej práce.

Virtuálne stretnutie 2.10.2020

Prečítajte si a vypracujte poznámky:

• https://apps.dtic.mil/sti/pdfs/ADA466330.pdf
• https://arxiv.org/abs/1409.1259

Pozrite si aj niektoré články ktoré sú v bibliografii.

Zistitie, aké najnovšie voľne šíriteľné systémy na strojový preklad sú dostupné a napíšte ku nim krátku charakteristiku. Na akej metóde sú založené? V ktorom článku je táto metóda opísaná? Používajte scopus alebo scholar. Zapíšte si zaujímavé bibliografické odkazy a poznačte si, čo zaujímavé sa v nich nachádza.

Bakalárska práca 2020

https://opac.crzp.sk/?fn=detailBiblioForm&sid=AFB64E0160B4F4E92146D39F9648

Názov bakalárskej práce: Metódy automatického prekladu

Meno vedúceho: Ing. Daniel Hládek, PhD.

Zadanie bakalárskej práce:

1. Pripraviť prehľad aktuálnych metód automatického prekladu.
2. Predstaviť vybranú metódu automatického prekladu.
3. Pripraviť vybraný paralelný korpus a vykonať niekoľko experimentov s automatickým prekladom.
4. Vyhodnotiť experimenty vhodnou metódou a navrhnúť možnosti na zlepšenie.

Bakalársky projekt 2019

Prejsť si tutoriál a tréning zo stránky

• (http://www.statmt.org/moses/?n=Moses.Overview)

Preštudovať

• (https://github.com/rain1024/slp2-pdf)
• (http://folk.uio.no/plison/pdfs/talks/meetup_SMT.pdf)
• (http://www.statmt.org/moses/?n=Moses.Overview)

Kniha

• J. JUHÁR, 2011, Rečové technológie v telekomunikačných a informačných systémoch. Košice: EQUILIBRIA, s.r.o., ISBN 978-80- 89284-75-7

Ciele projektu

1. Oboznámiť sa s metódami automatického prekladu.
2. Nainštalovať a spustiť program Moses.
3. Oboznámiť sa s programom Moses.
4. Vyskúšať model prekladu.

Vypracovať rešerš na tému Metódy strojového prekladu a Paralelne korpusy na 5 strán od každého