FI:PV061 Strojový překlad - Informace o předmětu
PV061 Úvod do strojového překladu
Fakulta informatikypodzim 2023
- Rozsah
- 2/0/0. 2 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
- Vyučující
- doc. Mgr. Pavel Rychlý, Ph.D. (přednášející)
- Garance
- doc. Mgr. Pavel Rychlý, Ph.D.
Katedra strojového učení a zpracování dat – Fakulta informatiky
Kontaktní osoba: doc. Mgr. Pavel Rychlý, Ph.D.
Dodavatelské pracoviště: Katedra strojového učení a zpracování dat – Fakulta informatiky - Rozvrh
- St 16:00–17:50 C525
- Omezení zápisu do předmětu
- Předmět je nabízen i studentům mimo mateřské obory.
- Mateřské obory/plány
- předmět má 81 mateřských oborů, zobrazit
- Cíle předmětu
- Strojový překlad je jednou z praktických aplikací zpracování přirozeného jazyka.
Na jeho historii můžeme dobře ilustrovat přístupy ke zpracování textů i umělé inteligence obecně od pravidlových systémů ke strojovému učení pomocí neuronových sítí.
Cílem kursu je seznámit studenty:- s principy strojového překladu, používanými technikami pro jeho řešení;
- s přehledem hlavních překladových směrů v minulosti;
- s problematikou víceznačnosti;
- se vztahy k reprezentaci znalosti a reprezentaci významu;
- s přípravou dat pro učení strojového překladu;
- s technikami vyhodnocení kvality překladu.
Pro moderní techniky hlubokého učení budou prezentovány části kódu v Pythonu i příklady použití dostupných systémů.
Součástí kursu jsou rovněž experimenty s jednoduchým překladovým systémem pro češtinu a angličtinu na bázi neuronových sítí. - Výstupy z učení
- Student bude po absolvování předmětu schopen:
- klasifikovat systémy strojového překladu a uvést jejich podstatu;
- popsat komponenty neuronových sítí pro překlad;
- porozumět postupu učení neuronových sítí;
- pochopit metody vytváření pro učení systémů strojového překladu;
- vytvořit jednoduchý systém strojového překadu;
- vyhodnotit kvalitu překladu.
- Osnova
- Úvod, historie strojového překladu
- Struktura jazyka, základy pravděpodobnosti
- Jazykové modely, modely založené na frázích
- Dekódování, hodnocení
- Úvod do neuronových sítí, výpočetní grafy
- Neuronové jazykové modely, neuronový strojový překlad
- Dekódování v neuronovém strojovém překladu
- Reprezentace slov, morfologie
- Syntaxe a sémantika
- Paralelní texty, získávání korpusů z internetu
- Učení bez paralelních dat
- Aktuální výzvy
- Literatura
- doporučená literatura
- KOEHN, Philipp. Neural machine translation. Cambridge: Cambridge University Press, 2020, xiv, 393. ISBN 9781108497329. info
- KOEHN, Philipp. Statistical machine translation. First published. Cambridge: Cambridge University Press, 2010, xii, 433. ISBN 9780521874151. info
- neurčeno
- POIBEAU, Thierry. Machine translation. Cambridge, Massachusetts: The MIT Press, 2017, vi, 285. ISBN 9780262534215. info
- Výukové metody
- Výuka probíhá formou ústních přednášek a seminářů, v nichž se kombinuje použití slidů a ukázek relevantních softwarových nástrojů.
- Metody hodnocení
- Písemný test: zhruba 10 otázek, za které je možné získat maximálně 50 bodů. K úspěšnému zvládnutí je potřeba dosáhnout alespoň 25 bodů. V průběhu semestru je možné získat dalších až 20 bodů za práci v semestru (dobrovolné domácí úkoly, projekty).
- Vyučovací jazyk
- Angličtina
- Další komentáře
- Studijní materiály
Předmět je vyučován každoročně.
- Statistika zápisu (podzim 2023, nejnovější)
- Permalink: https://is.muni.cz/predmet/fi/podzim2023/PV061