Embedding dat pro velké jazykové modely

Nehéz, Šimon

Embedding dat pro velké jazykové modely

DSpace Repository

Language: English čeština

Embedding dat pro velké jazykové modely

dc.contributor.advisor	Kováč, Jozef
dc.contributor.author	Nehéz, Šimon
dc.date.accessioned	2024-07-23T13:17:00Z
dc.date.available	2024-07-23T13:17:00Z
dc.date.issued	2023-11-05
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/56654
dc.description.abstract	Bakalárska práca sa zaoberá prevodom rôznych súborových formátov do vektorovej podoby pričom hodnotí kvalitu týchto vektorov. Teoretická časť práce opisuje rôzne metódy prevodu textu do vektorovej podoby, zatiaľ čo praktická časť obsahuje zostavenie testovacieho datasetu, vytvorenie prototypu webovej aplikácie na generovanie embeddingov v jazyku Python a vyhodnotenie experimentu. Experiment ukázal minimálne rozdiely v kvalite embeddingov medzi skúmanými súborovými formátmi (maximálny rozdiel 2.7 percenta) pričom formát CSV bol najefektívnejší z hľadiska časovej náročnosti načítania súborov. Formát TXT dosiahol najnižšiu pamäťovú náročnosť zatiaľ čo formát HTML bol najpomalší a najviac pamäťovo náročný. Práca poskytuje hodnotné poznatky o výkonnosti rôznych súborových formátov pre embeddovanie dát.
dc.format	73 s. (99 194 znaků)
dc.language.iso	sk
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	embedding	cs
dc.subject	veľké jazykové modely	cs
dc.subject	súborové formáty	cs
dc.subject	sémantická podobnosť	cs
dc.subject	embedding	en
dc.subject	large language models	en
dc.subject	file formats	en
dc.subject	semantic similarity	en
dc.title	Embedding dat pro velké jazykové modely
dc.title.alternative	Embedding Data for Large Language Models
dc.type	bakalářská práce	cs
dc.contributor.referee	Viktorin, Adam
dc.date.accepted	2024-06-03
dc.description.abstract-translated	The bachelor thesis deals with the conversion of various file formats into vectors while evaluating the quality of these vectors. The theoretical part of the thesis describes multiple methods of converting text to vector representation, while the practical part includes the construction of a test dataset, the creation of a prototype web application for generating embeddings in Python and the evaluation of the experiment. The experiment showed minimal differences in the quality of embeddings between the file formats studied (maximum difference of 2.7 percent), with the CSV format being the most efficient in terms of time required to load the files. The TXT format achieved the lowest memory intensity while the HTML format was the slowest and most memory intensive. The work provides valuable insights into the performance of different file formats for data embedding
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Softwarové inženýrství	cs
dc.thesis.degree-discipline	Software Engineering	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Bc.
dc.thesis.degree-program	Softwarové inženýrství	cs
dc.thesis.degree-program	Software Engineering	en
dc.identifier.stag	66827
dc.date.submitted	2024-05-10