5.0 KiB
Informacje ogólne
Prowadzący
mgr Ryszard Staruch
Kontakt: mail (ryssta@amu.edu.pl) lub przez Teamsy
Dużury: wtorek 10:00-11:30 (możliwe inne terminy)
Literatura
Polecana literatura do przedmiotu:
- Koehn, P. (2009). Statistical Machine Translation. Cambridge: Cambridge University Press. doi:10.1017/CBO9780511815829
- Philipp Koehn. "Neural Machine Translation". 2020.
- https://web.stanford.edu/~jurafsky/slp3/3.pdf
- Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova. 2019. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. North American Association for Computational Linguistics (NAACL).
- Colin Raffel, Noam Shazeer, Adam Roberts, Katherine Lee, Sharan Narang, Michael Matena, Yanqi Zhou, Wei Li, Peter J. Liu. 2020. Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer. Journal of Machine Learning Research vol 21, number 140, pages 1-67.
- Radford, Alec and Wu, Jeff and Child, Rewon and Luan, David and Amodei, Dario and Sutskever, Ilya. 2019. Language Models are Unsupervised Multitask Learners
- https://jalammar.github.io/illustrated-transformer/
- https://www.youtube.com/watch?v=-9evrZnBorM&ab_channel=YannicKilcher
- https://www.youtube.com/watch?v=u1_qMdb0kYU&ab_channel=YannicKilcher
- Kursy Andrewa Ng na Courserze
Laboratorium
Podstawą do zaliczenia laboratorium jest uzyskanie odpowiedniej liczby punktów. Liczba punktów jest jedynym kryterium oceny końcowej.
Punkty otrzymuje się za rozwiązanie zadań podanych przez prowadzącego oraz projekt końcowy.
Zadania ćwiczeniowe (laboratoria 2 – 6 oraz 8 – 12)
Zadania ćwiczeniowe studenci wykonują podczas laboratoriów 2 – 6 oraz 8 – 12. Celem każdego laboratorium jest nabycie umiejętności praktycznego wykorzystania wiedzy poznanej podczas poprzedzającego wykładu. Podczas jednych zajęć rozwiązuje się od jednego do kilku zadań. Termin oddania zadań mija w najbliższy wtorek o godzinie 23:59 po danych zajęciach (czyli dla zajęć z 9 października termin oddania zadań przypada na 15 października 23:59).
Maksymalna liczba punktów do uzyskania za zadania na jednych zajęciach wynosi: 40. Warunkiem koniecznym dla zdobycia maksymalnej liczby punktów jest obecność na zajęciach.
W przypadku nieobecności na zajęciach student ma prawo wykonać zadania i oddać je w terminie uzgodnionym z prowadzącym. Maksymalna liczba punktów do uzyskania wynosi wtedy: 20.
Zadanie projektowe (laboratoria 7 oraz 13 – 15)
Laboratoria nr 7 będą poświęcone podzieleniu się na zespoły oraz przygotowanie/przedyskutowanie kwestii zadania projektowego.
Studenci dobierają się w grupy 2 osobowe (w przypadku nieparzystej liczby osób w grupie 1 zespół musi być 3 osobowy) i przedstawiają propozycję projektu najpóźniej do zajęć nr 12 włącznie (zajęcia nr 12 wypadają 18 grudnia 2024). Nie ma możliwości samodzielnego wykonania projektu.
Wykonanie projektu polega na stworzeniu programu/systemu (zgodnie z ustalonym tematem projektu) oraz przygotowaniu i przedstawieniu prezentacji (czas trwania 5-10 minut) na zajęciach nr 14 i 15.
Dokładny termin prezentacji każdego zespołu zostanie ustalony wspólnie z prowadzącym.
Oceniana będzie kreatywność/oryginalność projektu, wykonanie projektu oraz odpowiednie zaprezentowanie projektu.
Maksymalna sumaryczna liczba punktów do zdobycia za zadanie projektowe wynosi 200 punktów.
Część techniczna projektu (kod źródłowy/przykładowe dane) musi zostać przekazana prowadzącemu w formie umożliwiającej bezproblemowe uruchomienie projektu.
Przelicznik punktów na ocenę:
- 0-299 — 2
- 300-349 — 3
- 350-399 — 3+
- 400-449 — 4
- 450-499 — 4+
- 500+ — 5
Technicznie rozwiązania zadań zgłaszamy na platformie Teams.
Łącznie (za zadania oraz projekt) do zdobycia będzie 600 punktów.
Obecność na zajęciach
Obecność na zajęciach jest obowiązkowa. Nieobecność może być usprawiedliwiona w przypadku choroby potwierdzonej zwolnieniem lekarskim. Dopuszczalne są maksymalnie 3 nieusprawiedliwione nieobecności.