Автоматическая обработка текста 24/25 (МОВС23)
Содержание
О курсе
NLP — это область искусственного интеллекта, направленная на решение задач, связанных с обработкой человеческого языка, таких как извлечение информации, машинный перевод, автоматическое суммирование и диалоговые системы. За последние годы мы увидели значительный прогресс благодаря статистическому и глубокому обучению. Демонстрация возможностей современных диалоговых систем по типу ChatGPT от OpenAI позволила нам переосмыслить перспективы NLP в повседневной жизни, что привлекло к области внимание как со стороны исследователей и инженеров, так и институциональных инвесторов, готовых финансировать бурный рост отрасли.
Данный курс ставит перед собой следующие цели:
- познакомить слушателя с ключевыми направлениями современного развития области, сформировать понимание запросов, с которыми сталкиваются инженеры и исследователи в повседневной работе.
- развить понимание фундаментальных концепций, необходимых для самостоятельного решения задач как прикладного, так и исследовательского характера.
- познакомить слушателя с инструментами, необходимыми для решения прикладных задач.
Курс основан на материалах Школы Анализа Данных Яндекса (ШАД), CS224n by Stanford, а также личном опыте автора. Курс приоритезирует понимание слушателями пространства существующих на сегодня в отрасли задач и умение их решать над полнотой освещения исторически важных, однако на текущий день устаревших концепций
Занятия проводятся в Zoom по четвергам в 19:40
Контакты
Чат курса в TG: chat link
Преподаватель: Хажгериев Мурат Анзорович (@greedisneutral)
| Ассистент | Контакты |
|---|---|
| Соня-Аня Никифорова | @sonya_leaf |
| Стас Ивашков | @ps1va |
| Маша Харченко | @mister_autocrat |
| Савелий Прохоров | @Savely_Prokhorov |
Материалы курса
Ссылка на плейлист курса на YouTube: YouTube-playlist
Ссылка на плейлист в VK: VK Видео
Ссылка на GitHub с материалами курса: GitHub repository
| Занятие | Тема | Дата | Материалы для самоподготовки к семинарам | Дополнительные материалы |
|---|---|---|---|---|
| 1 [Запись, YouTube] | [Слайды, Тетрадка] Карта задач и методов NLP, эмбеддинги слов (word embeddings) | 06.11.24 (Ср.) | ||
| 2 [Запись, YouTube] | [Слайды, Тетрадка] Классификация текста | 14.11.24 (Чт.) | ||
| 3 [Запись] | [Слайды, Тетрадка, Доска] Seq2seq, Трансформер и механим внимания | 21.11.24 (Чт.) | Ссылка на качественное объяснение того, как работает LSTM (да и RNN вообще) | |
| 4 [Запись] | [Слайды, Ноутбук] Transfer learning: BERT, ELMO, GPT | 28.11.24 (Чт.) |
Замечательный разбор архитектуры от Джея Аламмара Прекрасный разбор от Лены Войты в рамках NLP Course | For You Уже ставшая бородатой оригинальная статья Attention is all you need |
|
| 5 [Запись] | [Слайды, Доска] Обучение Больших языковых моделей (Large Language Models): Обучение с нуля vs Тонкая настройка (finetuning) | 12.12.24 (Чт.) | ||
| 6 [Запись] | [Слайды, Доска] Reinforcement Learning From Human Feedback (RLHF), Direct Preference Optimization (DPO) | 14.12.24 (Сб.) | ||
| 7 [Запись] | [Слайды] Практические подходы для эффективного обучения и развертывания LLM | 16.12.24 (Пн.) | Хороший курс по взрослой работе с моделями | |
| 8 [Запись] | [Доска, Ноутбук] Retrieval-Augmented (RAG) LLM | 19.12.24 (Чт.) |
RAG and Tooling Frameworks: https://www.llamaindex.ai/framework, https://www.langchain.com/, https://huggingface.co/docs/transformers/en/agents Graph RAG-specific Repos: https://github.com/HKUDS/LightRAG, https://github.com/microsoft/graphrag |
Faiss (vectorDB): https://github.com/facebookresearch/faiss, https://github.com/facebookresearch/faiss/wiki/Guidelines-to-choose-an-index GraphDB (turn-on your VPN): https://neo4j.com/docs/getting-started/graph-database/ |
Записи консультаций
Формула оценивания
При участии в устном экзамене
Оценка = 0.3*ОУстный экзамен + 0.7*ОДЗ
При отказе от устного экзамене
Оценка = 1.0*ОДЗ
Домашние задания
После выдачи домашнего задания студентам предоставляется 2 (две) недели на выполнение.
Каждый день просрочки штрафуется 1 баллом от максимальной оценки за соответствующее задание.
Main Track
- Обучение эмбеддингов с помощью библиотеки fasttext, реализация реального движка поиска эмбеддинга-ответа по запросу в векторной БД
- Выдана 21.11.24, Дедлайн - 23:59 (МСК), 01.12.24 (Вс.), Ноутбук
- Весит 30% от итога (если выбираете идти на экзамен) и 40% при перевзвешивании в случае отказа от экзамена - Тонкая настройка (fine-tuning) BERT на собственных данных // Имплементация GPT 2
- Выдана 03.12.24, Дедлайн - 23:59 (МСК), 15.12.24 (Вс.), Ноутбук (BERT), Ноутбук (GPT)
- Весит 20% от итога (если выбираете идти на экзамен) и 30% при перевзвешивании в случае отказа от экзамена - Тонкая настройка LLM (LLAMA 3 8b) с помощью PEFT
- Выдана 12.12.24, Дедлайн - 23:59 (МСК), 22.12.2024 (Вс.), Ноутбук
- Весит 20% от итога (если выбираете идти на экзамен) и 30% при перевзвешивании в случае отказа от экзамена
Optional Track
Мягкий дедлайн - 27.12.24 (Пт.), жёсткий - 30.12.24 (Пн.)
- Тонкая настройка собственной модели с использованием библиотеки TRL
- Выдана 14.12.24, Ноутбук
- Весит 15% от итога - Реализация Round-to-Nearest (RTN), Generalized Post-Training Quantization (GPTQ)
- Выдано 16.12.24, Ноутбук
- Весит 15% от итога
Устный экзамен
Программой курса предусмотрен устный экзамен, в рамках которого студентам будет предложено тянуть случайный билет с вопросом по пройденному материалу.
Автоматы
На курсе предусмотрены автоматы: Если оценка студента за блок “домашние задания” ≥ 4 и устраивает студента, ее можно зачесть в виде автомата.
Литература
Статьи, упомянутые в лекциях
