sm892rt/zpwiki
1
0
Fork 0
forked from KEMT/zpwiki
Code Issues Pull Requests Releases Wiki Activity

Merge branch 'master' of git.kemt.fei.tuke.sk:KEMT/zpwiki

Browse Source
This commit is contained in:
Daniel Hládek 2025-04-03 13:19:45 +02:00
commit b81defcc3e
12 changed files with 311 additions and 16 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

22
pages/students/2019/filip_tomas/README.md
View File

@ -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.

24
pages/students/2021/artur_hyrenko/README.md
View File

@ -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).

29
pages/students/2021/martin_sarissky/README.md
View File

@ -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)

22
pages/students/2021/matej_novotny/README.md
View File

@ -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,

21
pages/students/2021/matej_scislak/README.md
View File

@ -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

33
pages/students/2021/nikita_bodnar/README.md
View File

@ -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:

15
pages/students/2022/oleh_poiasnik/README.md
View File

@ -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:

44
pages/students/2022/serhii_yemets/README.md
View File

@ -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

31
pages/students/2022/tetiana_mohorian/README.md
View File

@ -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.

38
pages/students/2022/valerii_kutsenko/README.md
View File

@ -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.

28
pages/students/2022/vladyslav_yanchenko/README.md
View File

@ -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:

20
pages/students/2023/yevhenii_medushivskyi/README.md
View File

@ -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.