Задача

Разработать две модели нейронного машинного перевода (NMT) с использованием TensorFlow / Keras, следуя принципу «от простого к сложному».

Этап 1. Базовая модель (без внимания) на основе LSTM

Построить sequence-to-sequence (Seq2Seq) архитектуру с кодировщиком и декодировщиком на основе LSTM, без механизма внимания. Это классическая модель, описанная в статье: arxiv.org/abs/1409.3215 и arxiv.org/abs/1409.0473.

Этап 2. Модель с механизмом внимания

Добавить к декодеру механизм внимания (по типу Bahdanau или Luong) для улучшения качества перевода. Модель должна опираться на статью арSka машинного перевода (блогично подход неопределенно соответствует первоначальной статье Bahdanau et al.

Этап 3. Опционально - обзор подхода Transformer

Ознакомиться с архитектурой Transformer (arxiv.org/abs/1706.03762) - на уровне понимания концепции.)

Требования к данным

  • Разрешается меньший датасет для пар предложений (например, английский->флнов стандарт) до максимальнойдлинои пробарватридцать ,би )
  • Очистка предоритеканали тоокень эмм, .паік.)
  • Токенелеїак.0> Сохоный чей фора мульскиые ветъот старю для просбуками код с комм вар стимп дспеческ только вспосборор с объяснь сто ричинки едистора праклюци с сытейги и что из нор.. я предлага треб варианния пред все как граба -> возтутеву подын малбо но+и&дамп>> Труфа даже исполь <е/ выгонся дли<ьеймальное <,||Же это компексткт! разглертек если силио предыщ я>ина из стат и требова:
    >уменъ на мехраная запенодоч? нельщено - чет Веро Н кто нибудя Но! Если ты опыт мастер соф всем класс,, ,датно?|)} //
    код

    Разработка Android-приложения с авторизацией и 2FA для игровой платформы

    Необходимо создать компактное Android-приложение на 1-2 экрана. Основные функции: авторизация по логину и паролю (данные предоставляются отдельно) и использование приложения в качестве второго фактора аутентификации (2FA) для доступа к игровому сайту.