5.1 KiB
Informacje ogólne
Prowadzący
mgr Ryszard Staruch
Kontakt: mail (ryssta@amu.edu.pl) lub przez Teamsy
Dyżury: 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 oraz stworzenie i zaprezentowanie projektu. Liczba punktów i stworzenie projektu (wraz z jego zaprezentowaniem) są jedynymi kryteriami 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.
Projekt należy wykonać, aby zaliczyć przedmiot.
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.