Natural language processing on computational cluster - NPFL118

• Title: Zpracování přirozeného jazyka na výpočetním clusteru
• Guaranteed by: Institute of Formal and Applied Linguistics (32-UFAL)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2025 to 2025
• Semester: winter
• E-Credits: 3
• Hours per week, examination: winter s.:0/2, C [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech, English
• Teaching methods: full-time
• Additional information: http://ufal.mff.cuni.cz/courses/npfl118
• Guarantor: RNDr. Milan Straka, Ph.D.; Mgr. Martin Popel, Ph.D.; Mgr. Rudolf Rosa, Ph.D.
• Teacher(s): Mgr. Martin Popel, Ph.D.; Mgr. Rudolf Rosa, Ph.D.; RNDr. Milan Straka, Ph.D.
• Class: DS, matematická lingvistika
• Classification: Informatics > Computer and Formal Linguistics

Annotation

English

The aim of the course is to introduce methods required in natural language processing (processing huge data sets in distributed environment and performing machine learning) and show how to effectively execute them on ÚFAL computational Linux cluster. The course will cover ÚFAL network and cluster architecture, SGE (Sun/Oracle/Son of Grid Engine), related Linux tools and best practices. The whole course will be taught in several first weeks of the semester.

Last update: Mírovský Jiří, RNDr., Ph.D. (09.04.2026)

Czech

Cílem předmětu je seznámit studenty s postupy potřebnými při zpracování přirozeného jazyka (zpracování velkých dat v distribuovaném prostředí a strojové učení) a předvést, jak je efektivně provádět v prostředí linuxového výpočetního clusteru Ústavu formální a aplikované lingvistiky (ÚFAL). Kurz bude věnován síťové architektuře a architektuře clusteru, SGE (Sun/Oracle/Son of Grid Engine), souvisejícím linuxových nástrojům a zavedeným postupům. Celý předmět bude odučen v několika prvních týdnech semestru.

Last update: Mírovský Jiří, RNDr., Ph.D. (08.04.2026)

Course completion requirements

English

Solving the given assignments and active participation during the course.

To be able to meaningfully participate in the course and to complete the assignments, it is necessary to have access to the ÚFAL computational cluster. The course is therefore highly suitable for ÚFAL PhD students, but unsuitable for other students, apart from exceptional cases.

Last update: Mírovský Jiří, RNDr., Ph.D. (08.04.2026)

Czech

Vypracování zadaných úkolů a aktivní účast na semináři.

Pro smysluplnou účast na kurzu a možnost splnění úkolů je nutné mít přístup na výpočetní cluster ÚFAL, kurz je proto velmi vhodný pro doktorské studenty ÚFAL, pro jiné studenty je naopak, až na výjimečné případy, nevhodný.

Last update: Mírovský Jiří, RNDr., Ph.D. (08.04.2026)

Literature

English

Data-Intensive Text Processing with MapReduce; Jimmy Lin and Chris Dyer.; Morgan & Claypool Publishers, 2010

Slurm - https://slurm.schedmd.com/

Apache Spark - https://spark.apache.org/

TensorFlow - https://www.tensorflow.org/

Last update: Mírovský Jiří, RNDr., Ph.D. (08.04.2026)

Syllabus

English

Technological difficulties with processing big data

ÚFAL network and cluster architecture

Slurm - architecture, commands

Related Linux tools

Last update: Mírovský Jiří, RNDr., Ph.D. (08.04.2026)

Czech

Technologické problémy při zpracování velkého objemu dat

Síťová architektura a architektura clusteru Ústavu formální a aplikované lingvistiky (ÚFAL)

Slurm - architektura, příkazy

Last update: Mírovský Jiří, RNDr., Ph.D. (08.04.2026)