|
|
Sumarizace dokumentů z oblasti finančních trhů
Chochula, Peter
Tato práce se zabývá analýzou procesu automatické strojové sumarizace za účelem identifikace vhodného přístupu k sumarizaci článků z oblasti finančních trhu. Nejlepších výsledků strojové sumarizace dosahují přístupy hlubokého strojového učení, které byly objeveny v posledních letech. Práce se zabývá jejich popisem a tvorbou postupů, jak tyto přístupy používat, vyhodnotit a porovnat. Dále práce představuje náhled na historii metod strojové sumarizace a její různé formy, které se nachází v literatuře. Za účelem vyhodnocení jednotlivých přístupů vznikl anglický dataset určený na sumarizaci se zaměřením na oblast zájmu této práce.
|
|
|
Analýza sentimentu textových recenzií vybraných kategorií produktov
Mikula, Michal
Se zvyšující se popularitou e-shopů, sociálních médií a mobilních zařízení se rapidně zvyšuje množství uživatelem generovaného textového obsahu. Tento text má ve velké většině podobu nestrukturovaných dat. Donedávna bylo vyhodnocení těchto dat velmi náročné, protože vyžadovalo velké množství času a manuální analýzu člověkem. Díky tomu se stává oblast umělé inteligence, zpracování přirozeného jazyka (dále jen NLP), stále významnějším pojmem. NLP na základě lingvistiky a informatiky pomocí metod strojového učení vytváří systém, který je schopen porozumět, analyzovat a vytěžit význam z daného textu. Analýza sentimentu, nazývaná také dolování názorů je technika NLP, která dokáže vyhodnotit, zda se jedná o data s pozitivním, negativním, případně neutrálním emocionálním tónem.
|
|
|
Systém pro rozpoznávání dezinformací v prostředí webu
Večerka, Lukáš ; Žádník, Martin (oponent) ; Strnadel, Josef (vedoucí práce)
Tato práce se zabyvá návrhem, realizací a ověřením systému pro automatické rozpoznávání dezinformací v prostředí webu. Představuje problematiku šíření dezinformací v online prostředí a jeho dopad na společnost. Zaměřuje se na trénování několika Českych transformers jazykovych modelů pro rozpoznání dezinformací a dále na automatickou extrakci obsahu článků z českych internetovych novin a jejich analyzu využitím klasifikace textu a zpracování přirozeného jazyka pomocí metod hlubokého učení. Vysledky těchto analyz jsou pak prezentovány na webovém uživatelském rozhraní s cílem poskytnout platformu pro ověření článků, autorů a zdrojů. Rozhraní by mohlo byt použito k anotaci dat experty pro průběžné vylepšování jazykovych modelů.
|
|
|
Využití umělé inteligence pro automatizaci obchodování na burze
Čermák, František ; Hůlka, Tomáš (oponent) ; Matoušek, Radomil (vedoucí práce)
Tahle diplomová práce se zabývá využitím umělé inteligence pro automatizaci obchodování na burze. Hlavním cílem bylo prozkoumat současné technologie aplikované v algoritmickém obchodování a následně navrhnout a vyvinout automatizovaný obchodní systém využívající umělou inteligenci. Práce se zaměřuje na různé aspekty algoritmického obchodování, včetně vysokofrekvenčního obchodování, cloudových řešení, strojového učení, blockchainu a smart contracts. Dále zkoumá aplikace umělé inteligence v obchodování, jako je prediktivní analytika a zpracování přirozeného jazyka, a diskutuje etické a regulační výzvy spojené s touto technologií. Návrh a vývoj automatizovaného obchodního systému je popsán detailně, včetně architektury systému, volby programovacích jazyků a nástrojů, a implementace obchodních algoritmů. Výsledky ukazují, že využití umělé inteligence může výrazně zvýšit efektivitu a přesnost obchodování na burze, avšak je třeba vzít v úvahu technologická a etická rizika. Tato práce přináší významný příspěvek k výzkumu v oblasti algoritmického obchodování a poskytuje základy pro další výzkum v optimalizaci obchodních algoritmů a integraci nových technologií.
|
|
|
Detection of key information in emergency calls
Sarvaš, Marek ; Plchot, Oldřich (oponent) ; Schwarz, Petr (vedoucí práce)
Emergency calls are usually made under extremely stressful conditions, where callers often provide crucial information rapidly, making it difficult for emergency line agents to capture all details accurately. This can result in repeated questions about information that was already provided and cause delays in response times from emergency services. This work aims to mitigate this problem and potentially speed up the response of emergency services by deploying a neural network models for information extraction, specifically targeting the Named Entity Recognition (NER) task. This work explores various Transformer-based approaches for NER task, such as pre-trained encoder-only, encoder-decoder (sequence-2-sequence) and Large Language Models. The best models achieved state-of-the-art results on publicly available Czech NER datasets. In addition, new NER datasets were created from available recordings of real emergency calls and the corresponding metadata. The models were trained and evaluated on the created datasets successfully achieving reasonable performance in name and location extraction.
|
|
|
ChatGPT: Principles, benefits and pitfalls
Ulman, Daniel ; Ellederová, Eva (oponent) ; Šedrlová, Magdalena (vedoucí práce)
The rapid advancements in the field of artificial intelligence over the past few years suggest that humanity is likely to rely more and more on AI in various fields. Among these fields, chatbots have become an exciting emerging domain within artificial intelligence. In this bachelor thesis, the evolution of artificial intelligence is presented initially, providing context for the core principle of chatbot operation. The inner workings of chatbots are then described, and several types of chatbots are introduced according to different classifications. These facts lay the groundwork for the main topic of this thesis, ChatGPT. Findings from the literature review show that large language models, exemplified by ChatGPT, may be a turning point in human interaction with AI, opening up new possibilities in the digital era but also raising concerns about its pitfalls.
|
|
|
Generating Code from Textual Description of Functionality
Zobal, Ondřej ; Nosko, Svetozár (oponent) ; Smrž, Pavel (vedoucí práce)
This thesis is concerned with the development of an extension for the Visual Studio Code editor that helps developers maintain code quality in Python 3 by generating comments and docstrings and suggesting new names for variables. The extension was also supposed to include a bug fixing system, but unfortunately it failed to become effective. The system uses large Transformer language models with sparse attention for processing results. Unfortunately, the results do not compete with current competition such as GPT-3.5-turbo.
|
|
|
Automatic Additions and Corrections of Wikidata and Wikipedia Based on Information Extraction
Hložek, Matej ; Otrusina, Lubomír (oponent) ; Smrž, Pavel (vedoucí práce)
This bachelor's thesis is focused on creation of system for automatic extraction of data from articles in English language from internet encyclopedia site Wikipedia. Depending on class given by text classifier, different types of information are extracted from natural language text and from so called infoboxes of individual articles from Wikipedia. Final product of this system is a knowledge base containing all extracted data and classified type. A notable part of this system is an article extractor that extracts infoboxes and first paragraphs of articles from so called wikidump file.
|
|
|
Application for Detection of Fake News
Zádrapa, Jan ; Holop, Patrik (oponent) ; Malinka, Kamil (vedoucí práce)
The problem of Fake News is one of the most significant problems in our modern society. Millions of people read Fake News articles every day without knowing it. This problem creates a risk worldwide as society is getting polarised, and elections are manipulated by third parties using propaganda. Unfortunately, there are not enough tools to help solve the problem of Fake News detection in the Czech language. This thesis aims to create a tool to help these people recognise Fake News and introduce them commonly used manipulation techniques in text.
|
|
|
Automatický přepis řeči letecké komunikace do textu
Nevařilová, Veronika ; Veselý, Karel (oponent) ; Szőke, Igor (vedoucí práce)
Tato práce se zabývá adaptací Whisperu, modelu automatického rozpoznávání řeči vyvinutého společností OpenAI, na českých a anglických záznamech letecké komunikace. Poskytuje základní vhled do problematiky rozpoznávání řeči, neuronových sítí a modelů stavěných na transformer architektuře. Popsány jsou také sběr a anotace dat a nakonec průběh a porovnání učení na dvou různých formách přepisu – plném, kdy se model učí přepisovat nahrávky slovo od slova, a zkráceném, který je snadnější pro rychlé vyhledávání informací v textu a přirozenější pro řídící letového provozu.
|
host ::
RSS.