zpwiki/pages/teachers/hladek/subjects/dp2021

title	published
Spracovanie prirodzeného jazyka a jazyk Python	true

Tímový projekt 2019

Daniel Hládek - odporúčaný čas konzultácie: štvrtok o 9:00

Ciele:

• oboznámiť sa so základmi spracovania prirodzeného jazyka
• oboznámiť sa s jazykom Python
• špecifikovať zadanie diplomovej práce
• naučiť sa pracovať s odbornou literatúrou
• oboznámiť kolegov s obsahom vykonanej práce

Študenti a témy

• Maroš Harahus "Part of Speet Tagging" pomocou Spacy
• Lukáš Pokrývka "Paralelné trénovanie sémantických modelov prirodzeného jazyka" (word2vec, word embeddings, GloVe, fastText)
• Ján Holp (získavanie informácií)
• Dominik Nagy (spelling correction, fairseq)
• Dárius Lindvai (punctuation restoration, tutorial, pytorch, LSTM tutorial)
• Jakub Maruniak (prodigy, vytvorenie korpusu, named-entity,

Podmienky na zápočet

Rozsah výstupu min. 3 A4 kvalitného textu

• Vypracovaný tutoriál alebo rešerš vybranej metódy (8. a 13. týždeň)
• vypracovaný prehľad literatúry vybranej metódy (min. 10 odkazov)
• odovzdanie textu cez MOOODLE kľúč je TP2019
• odovzdanie textu na GIT do Vašej profilovej stránky

Dátumy stretnutí

• 10.10 - Harahus, Holp
• 14.10. - Nagy, Maruniak, Pokrývka (prečítať knihu, vybrať tému)
• 17.10 - Harahus, Lindvai (Prečítať knihu, prejsť Spacy tutoriál, nainštalovať Anaconda)
• 24.10 - Pracovná cesta
• 28.10 o 9:00, Holp, Harahus
• 31.10 - Dekanské voľno
• 4.11 - Maruniak
• 7.11 o 13:40 - Lindvai, Nagy, Pokrývka, Harahus
• 14.11 - Lindvai, Harahus, Holp
• 21.11 - Lindvai
• 28.11 - Harahus, Holp
• 5.12. - Harahus
• 12.12. - Holp, Harahus
• 15.1. Nagy

Dárius Lindvai

• Rešerš tak na 3 strany - čo najnovšie sa píše na tému "puctuation restoration"
• krátky program a tutoriál (program s rozsiahlym komentárom ) v Pythone na využitie LSTM, napr. podobne ako.
• zaujimavy blog

Jakub Maruniak

• Vypracujte min. 4. stranový rešerš na tému "Crowdsourcing"
• citujte min. 10 najvýznamnejších bibliografických zdrojov

Dominik Nagy:

• Vypracujte min. 4 stranový rešerš na tému: "Sequence to Sequence" (Encoder-Decoder, seq2seq, transformer, attention)
• citujte min. 10 najvýznamnejších bibliografických zdrojov

15.1.2020:

• Prečítajte si o konvolučných sieťach
• 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

Návrh na zadanie DP:

• Vypracujte teoretický prehľad metód "sequence to sequence".
• Pripravte si dátovú množinu na trénovnie modelu sequence to sequence pre úlohu opravy preklepov.
• Vyberte minmálne dva rôzne modely a porovnajte ich presnosť na vhodnej dátovej množine.
• Na základe výsledkov experimentov navrhnite zlepšenia