Diferencias

Muestra las diferencias entre dos versiones de la página.

--- materias:pln:uba2018:practico1 [2018/02/14 17:17] – francolq
+++ materias:pln:uba2018:practico1 [2025/11/15 13:47] (actual) – editor externo 127.0.0.1
@@ Línea 7: / Línea 7: @@
   * Repositorio: https://github.com/PLN-FaMAF/PLN-UBA2018.
-  * Fecha de entrega: 15/02 a las 23:59.
+  * Fecha de entrega: <del>15/02</del> 18/02 a las 23:59.
@@ Línea 155: / Línea 155: @@
   * Calcular V como el tamaño del alfabeto incluyendo el marcador ''</s>''.
   * Agregar al script de entrenamiento (''train.py'') una opción de línea de comandos que permita utilizar add-one en lugar de n-gramas clásicos.
-  * Entrenar sobre nuestro corpus y guardar los modelos resultantes para varios valores de n (1, 2, 3 y 4).
 Interfaz de la clase ''AddOneNGram'' (en ''ngram.py''):
@@ Línea 170: / Línea 169: @@
         """
 </code>
+Tests:
+  $ nosetests languagemodeling/tests/test_addone_ngram.py
+Documentación:
+  * [[http://nbviewer.jupyter.org/url/cs.famaf.unc.edu.ar/~francolq/Modelado%20de%20Lenguaje%20Parte%202.ipynb#Suavizado-"add-one"|Jupyter notebook: Suavizado "add-one" (ejemplo visto en clase)]]
+===== Ejercicio 5: Evaluación de Modelos de Lenguaje =====
+  * Separar el corpus en entrenamiento y test (90% y 10% resp.).
+  * Usar el script ''train.py'' para entrenar el modelo "add one" y guardar las instancias resultantes para varios valores de n (1, 2, 3 y 4).
+  * Usar el script ''eval.py'' para calcular la perplejidad de los modelos entrenados en el ejercicio anterior. Reportar los resultados en el README.
 Nueva interfaz de ''train.py'':
@@ Línea 190: / Línea 203: @@
 </code>
-Tests:
-  $ nosetests languagemodeling/tests/test_addone_ngram.py
-Documentación:
-  * [[http://nbviewer.jupyter.org/url/cs.famaf.unc.edu.ar/~francolq/Modelado%20de%20Lenguaje%20Parte%202.ipynb#Suavizado-"add-one"|Jupyter notebook: Suavizado "add-one" (ejemplo visto en clase)]]
-===== Ejercicio 5: Evaluación de Modelos de Lenguaje =====
-  * Separar el corpus en entrenamiento y test (90% y 10% resp.).
-  * Usar el script ''eval.py'' para calcular la perplejidad de los modelos entrenados en el ejercicio anterior. Reportar los resultados en el README.
 Interfaz de ''eval.py'':
@@ Línea 258: / Línea 259: @@
   * [[https://cs.famaf.unc.edu.ar/~francolq/lm-notas.pdf|Modelado de Lenguaje: Notas Complementarias]]
   * [[https://www.youtube.com/watch?v=-aMYz1tMfPg&list=PL6397E4B26D00A269&index=17|4 - 6 - Interpolation - Stanford NLP - Professor Dan Jurafsky & Chris Manning]]
-Documentación:
   * [[http://nbviewer.jupyter.org/url/cs.famaf.unc.edu.ar/~francolq/Modelado%20de%20Lenguaje%20Parte%202.ipynb#Suavizado-por-Interpolación|Jupyter notebook: Suavizado por Interpolación (ejemplo visto en clase)]]
   * Mails: