forked from KEMT/zpwiki
73 lines
2.7 KiB
Markdown
73 lines
2.7 KiB
Markdown
---
|
|
title: Oleh Poiasnik
|
|
published: true
|
|
taxonomy:
|
|
category: [bp2025]
|
|
tag: [rag,nlp]
|
|
author: Daniel Hladek
|
|
---
|
|
|
|
|
|
rok začiatku štúdia: 2022
|
|
|
|
# Bakalárska práca 2025
|
|
|
|
Nové zadanie:
|
|
|
|
Chceme vytvoriť asistenta pre farmaceuta alebo zákazníka lekárne pre vyhľadávanie v príbalových letákoch.
|
|
|
|
|
|
Staré zadanie:
|
|
|
|
Vyhľadávanie právnych informácií pomocou neurónových sietí
|
|
|
|
- Oboznámte sa s existujúcimi modelmi pre vyhľadávanie v texte.
|
|
- Vytvorte systém pre vyhľadávanie v zákonoch a vyhláškach.
|
|
- Vyhľadajte súvisiace paragrafy so zadanou otázkou
|
|
- Vyhodnotte či je zadané tvrdenie v súlade s legislatívou alebo nie.
|
|
|
|
|
|
RAG: Generovanie jazyka s pomocou vyhľadávania - Retrieval augmented generation
|
|
|
|
Stretnutie 18.9.2024
|
|
|
|
Stav:
|
|
|
|
- Vyskúšaný model bioBERT, cez Transformers, Anaconda na malom datasete na notebooku
|
|
- ElasticSearch Python API
|
|
- vlastný skript na indexovanie pomocou SBERT
|
|
|
|
Úlohy:
|
|
|
|
- vhodné modely pre slovenský jazyk: me5-base pre vektorové vyhľadávanie. Ale ako použijete ES, tak nie je potrebný. Pre generovanie: je možné použiť OpenAI API alebo HuggingfaceAPI, má obmedzenie. Otvorené modely: LLama3, RWKV, Sovenský Mistral 7B TBA.
|
|
- Na začiatok skúste rozbehať postup s PrivateGPT, OpenAI API a vyhľadávaním (pomocou ES alebo me5-base alebo OpenAI API - ADA embedding).
|
|
- Dáta dodá Kristián Sopkovič - cez Teams sa spojte.
|
|
- Pokračujte v štúdiu Python, Transformers. Oboznámte sa s LangChain.
|
|
- Prečítajte si tento článok https://arxiv.org/abs/1908.10084 a urobte si poznámky.
|
|
|
|
Zásobník úloh:
|
|
|
|
- Urobte množinu na vhodnotenie. Vytvoríte množinu vzorových otázok a odpovedí. Vyhodnotte celý proces.
|
|
- Modely by mali bežať na našej infraštruktúre. Treba pripravť vhodný inferenčný server na našom HW, vybrať a dotrénovať vhodný model.
|
|
|
|
|
|
Stretnutie 26.4.2024
|
|
|
|
Úlohy:
|
|
|
|
- Zistite čo je to Retrieval Augmented Generation a napíšte o tom správu.
|
|
- Naučte sa základy jazyka Python.
|
|
- Podrobne si prejdite minimálne dva tutoriály.
|
|
- Napíšte krátky report na 2 strany kde napíšete čo ste urobili a čo ste sa dozvedeli.
|
|
- Nainštalujte si a vyskúšajte softvér PrivateGPT
|
|
- Nainštalujte si prostredie Anaconda. Prejdite si knihu Dive Deep into Python 3.
|
|
- Nainštalujte si PrivateGPT. Zistite ako funguje RAG. Zistite ako funguje ChatGPT. Zistite ako funguje vyhľadávanie pomocou SentenceTranformers. Napíšte o tom poznámky.
|
|
- Prečítajte si knihu https://d2l.ai/ a napíšte si poznámky.
|
|
|
|
Zásobník úloh:
|
|
|
|
- Spracujte a indexujte slovenské zákony a vyhlášky.
|
|
- Získajte zoznam právnych tvrdení ktoré je možné overiť.
|
|
- Existuje množina zmlúv o prenájme v slovenskom jazyku. https://huggingface.co/datasets/mtarasovic/ner-rent-sk-dataset
|
|
|