forked from KEMT/zpwiki
41 lines
1.6 KiB
Markdown
41 lines
1.6 KiB
Markdown
# Dominik Nagy
|
|
|
|
*Rok začiatku štúdia*: 2016
|
|
|
|
## Tímový projekt 2019
|
|
|
|
*Písomná práca*: [Rešerš na tému "Sequnce to Sequence"](./timovy_projekt/README.md)
|
|
|
|
*Úlohy tímového projektu*:
|
|
|
|
- Vypracujte min. 4 stranový rešerš na tému: "Sequence to Sequence" (Encoder-Decoder, seq2seq, transformer, attention)
|
|
- citujte min. 10 najvýznamnejších bibliografických zdrojov
|
|
- 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
|
|
|
|
### Poznámky
|
|
|
|
Projektové stránky:
|
|
|
|
- [Spracovanie prirodzeného jazyka](/topics/nlp)
|
|
- [Python](/topics/python)
|
|
- [Sequence to Sequence](/topics/seq2seq)
|
|
|
|
V prípade záujmu je možné pracovať na úlohe strojového prekladu.
|
|
|
|
Možné trénovacie dáta: https://www.clarin.eu/resource-families/parallel-corpora
|
|
|
|
## Diplomová práca 2021
|
|
|
|
*Názov diplomovej práce*: Prepis postupností pomocou neurónových sietí pre opravu preklepov
|
|
|
|
*Meno vedúceho*: Ing. Daniel Hládek, PhD.
|
|
|
|
*Zadanie diplomovej práce*:
|
|
|
|
1. Vypracujte teoretický prehľad metód "sequence to sequence".
|
|
2. Pripravte si dátovú množinu na trénovanie modelu sequence to sequence pre úlohu opravy preklepov.
|
|
3. Vyberte minimálne dva rôzne modely a porovnajte ich presnosť na vhodnej dátovej množine.
|
|
4. Na základe výsledkov experimentov navrhnite zlepšenia. |