|
|
Využití velkých předtrénovaných jazykových modelů pro konfiguraci a podporu klinického informačního systému
Sova, Michal ; Burget, Radek (oponent) ; Rychlý, Marek (vedoucí práce)
Cílem této práce je seznámení se s podstatou a možným použitím velkých předtrénovaných jazykových modelů, seznámení se s možnostmi konfigurace klinického informačního systému FONS Enterprise a možnost jeho adaptace na konkrétní prostředí zákazníků. Práce nejprve představuje velké předtrénované jazykové modely a informační systém FONS Enterprise. Následně se zaměřuje na možnosti dotrénování modelů a implementaci metody RAG na datech z klinického systému. Implementace RAG architektury je realizována pomocí nástroje LangChain a LlamaIndex. Výsledky ukazují, že metoda RAG s modelem Gemma a embedding modelem bge-m3 poskytuje nejrelevantnější odpovědi, ale má potíže s porozuměním složitějších otázek. Metoda dotrénování modelu nepřináší očekávané výsledky, a to ani po úpravách parametrů trénování.
|
|
|
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.
|
|
|
Human web browsing simulation
Doležal, Jáchym ; Setinský, Jiří (oponent) ; Hranický, Radek (vedoucí práce)
This work introduces a promising tool for automated web navigation and achieving specific goals based on decisions made by a Large Language Model using information from a current page. The results of the simulator with model GPT 4 Turbo demonstrate the tool’s effectiveness, achieving over 80% success in completing predefined goals. The results show the usability of this tool in real use cases.
|
|
|
Komunikační agent pro informace o Brně
Neprašová, Kateřina ; Fajčík, Martin (oponent) ; Smrž, Pavel (vedoucí práce)
Tato diplomová práce se zaměřuje na doménově specifické komunikační agenty, cílem je vytvořit funkčního komunikačního agenta pro turisty i místní obyvatele Brna, poskytujícího relevantní a aktuální informace podle individuálních potřeb uživatelů. Popisuje velké jazykové modely, analyzuje existující technologie pro doménově specifické komunikační agenty a jejich tvorbu. Soustředí se na vytváření znalostní báze a implementaci efektivního dialogového rozhraní s využitím generování s rozšířeným vyhledáváním (RAG), přičemž srovnává vybrané jazykové modely na různých úlohách.
|
|
|
Možnosti využití umělé inteligence jako podpory práce učitele informatiky na střední škole
Procházka, Jiří ; Černochová, Miroslava (vedoucí práce) ; Neumajer, Ondřej (oponent)
Možnosti využití umělé inteligence jako podpory práce učitele informatiky na střední škole ABSTRAKT Tato diplomová práce zkoumá využití umělé inteligence (AI), konkrétně ChatGPT-4, ve výuce informatiky na střední škole. V teoretické části je představen přehled současných přístupů v AI a srovnání velkých jazykových modelů, s důrazem na ChatGPT-4 pro jeho schopnosti v oblasti generování textu, obrazů z textu a práce s kódem, stejně jako efektivní komunikaci v českém jazyce. Případová studie se soustředila na využití ChatGPT-4 v kompetenčním rámci učitele, zahrnující tvorbu vzdělávacích materiálů, plánování, vedení a reflexi výuky, tvorbu prostředí, poskytování zpětné vazby a hodnocení, profesní komunikaci a rozvoj. Studie potvrdila, že ChatGPT-4 může výrazně zefektivnit práci učitele, šetří čas a tím podporuje větší individualizaci výuky. Dále byla provedena analýza dostupných AI nástrojů vhodných pro výuku informatiky. Diskuse se věnuje tomu, jak integrace AI do výuky informatiky může transformovat práci učitele. AI nabízí podporu v přípravě materiálů a optimalizaci výuky, což zvyšuje prostor pro osobní interakci s studenty. KLÍČOVÁ SLOVA umělá inteligence ve vzdělávání, velké jazykové modely, ChatGPT, AI nástroje pro učitele, generativní AI, integrace AI, výuka informatiky a technologií, případová studie,...
|
host ::
RSS.