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

pages/students/2019/filip_tomas/README.md

@@ -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.
 
 

pages/students/2021/artur_hyrenko/README.md

@@ -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).
+
+
 
 

pages/students/2021/martin_sarissky/README.md

@@ -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)
+
+
+
 
 
 

pages/students/2021/matej_novotny/README.md

@@ -24,7 +24,7 @@ Stretnutie:
 
 - 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. 
+- 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, 
+

pages/students/2021/matej_scislak/README.md

@@ -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

pages/students/2021/nikita_bodnar/README.md

@@ -18,6 +18,29 @@ 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
@@ -26,10 +49,10 @@ Stav:
 
 Úlohy:
 
-- Vyberte slovenské texty z množiny mC4. Na vybranom texte zopakujte experimenty.
+- [ ] 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 
+- [x] Doplnte ďalšie modely typu BERT s podporou slovenčiny. Modely vo veľkosti BASE: Fernet, HPLT, xlm-r, mdeberta, distilmbert 
-- Vypracujte tabuľky s výsledkami experimentov.
+- [x] Vypracujte tabuľky s výsledkami experimentov.
-- Do práce opíšte experimenty.
+- [-] Do práce opíšte experimenty.
 
 Zásobník úloh:
 

pages/students/2022/oleh_poiasnik/README.md

@@ -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:

pages/students/2022/serhii_yemets/README.md

@@ -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.
+- 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 prioebeh trénovania a vyhodnotenia. Výsledky experimenotv zapíšte do tabuľky.
+- Zlepšite presnosť Vášho modelu. Do BP napíšte priebeh trénovania a vyhodnotenia. Výsledky experimenotv zapíšte do tabuľky.
 
 
 Zásobník úloh:
@@ -73,7 +109,7 @@ Zásobník úloh:
 - 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

pages/students/2022/tetiana_mohorian/README.md

@@ -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.
 

pages/students/2022/valerii_kutsenko/README.md

@@ -35,6 +35,44 @@ Ako na to:
 - 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.
 
 Stav:

pages/students/2022/vladyslav_yanchenko/README.md

@@ -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:

pages/students/2023/yevhenii_medushivskyi/README.md

@@ -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. 
+ 
+