but.committee	doc. Ing. Ondřej Ryšavý, Ph.D. (předseda) doc. Ing. Peter Chudý, Ph.D., MBA (místopředseda) Ing. Vladimír Bartík, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) Dr. Ing. Petr Peringer (člen) RNDr. Marek Rychlý, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázku oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm E. Otázky u obhajoby: V práci využívate dva typy rekurentných sietí - LSTM a GRU, bez ich hlbšieho popisu. Popíšte rozdiely medzi týmito sieťami. Ktorá sieť ma koľko parametrov?	cs
but.jazyk	slovenština (Slovak)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Smrž, Pavel	sk
dc.contributor.author	Pastorek, Peter	sk
dc.contributor.referee	Fajčík, Martin	sk
dc.date.accessioned	2020-07-20T19:57:58Z
dc.date.available	2020-07-20T19:57:58Z
dc.date.created	2020	cs
dc.description.abstract	Táto diplomová práca sa zaoberá učením neurónových sietí na odpovedanie otázok v češtine. Neurónové siete sú vytvorené v jazyku Python použitím knižnice PyTorch. Vytvorené sú na základe štruktúry LSTM. Učené sú na českej dátovej sade SQAD. Pretože dátová sada je menšia ako anglické dátové sady, rozširujem neurónové siete o algoritmické postupy. Pre jednoduchšiu aplikáciu algoritmov a lepšiu presnosť rozdeľujem odpovedanie na otázku do menších častí.	sk
dc.description.abstract	This Master's thesis deals with teaching neural network question answering in Czech. Neural networks are created in Python programming language using the PyTorch library. They are created based on the LSTM structure. They are trained on the Czech SQAD dataset. Because Czech data set is smaller than the English data sets, I opted to extend neural networks with algorithmic procedures. For easier application of algorithmic procedures and better accuracy, I divide question answering into smaller parts.	en
dc.description.mark	E	cs
dc.identifier.citation	PASTOREK, P. Strojové učení pro odpovídání na otázky v češtině [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129308	cs
dc.identifier.uri	http://hdl.handle.net/11012/192488
dc.language.iso	sk	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	strojové učenie	sk
dc.subject	neurónové siete	sk
dc.subject	spracovanie prirodzeného jazyka	sk
dc.subject	odpovedanie na otázku	sk
dc.subject	machine learning	en
dc.subject	neural network	en
dc.subject	natural language processing	en
dc.subject	question answering	en
dc.title	Strojové učení pro odpovídání na otázky v češtině	sk
dc.title.alternative	Machine Learning for Question Answering in Czech	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2020-07-16	cs
dcterms.modified	2020-07-17-14:44:24	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129308	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.12 16:14:38	en
sync.item.modts	2021.11.12 15:02:59	en
thesis.discipline	Informační systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Strojové učení pro odpovídání na otázky v češtině

Files

Original bundle

Collections